HMM (Hidden Markov Model) 개요.

 

	개요. HMM - Hidden Markov Model
	Hidden Markov Model. 대상 시스템을 아래와 같은 방식으로 모델링 하는 것. 1. 대상 시스템은 측정가능한 것들의 state(상태)가 있고,  2. 대상 시스템은 상기1에 추가로, 측정 불가한 (Hidden) 것의 state가 있다고 가정 하고, 3. 상기1 측정량의 상태 변화와 상기2 Hidden State 를 연관 짓는다. Hidden state 가 측정가능한 state 로 반영되는 process(과정) 를 Hidden Markov Process 라고 한다.   HMM 주활용 분야. - 시간적으로 변하는 시스템의 특징 패턴 인식류. - 음성인식, 필기인식, 동작인식등.   Markov 가 누구? Andrey Markov. 러시아 수학자. 1856 ~ 1922.   Markov Process 1. Markov Property 를 갖는 stochastic process를 Markov Process 라고 한다. 2. 상기1의 Markov Property 란 쉽게 말해 "Memoryless(메모리효과없는)"로 생각하면된다. - 시스템의 현재 상태만으로(즉,과거 상태 정보 없이) 미래 상태를 예측(predict) 할 수 있는  특징을 의미. 과거 상태가 미래 상태에 반영되지 않는다는 의미로 Memoryless 라고 표현. 3. 상기1의 stochastic process : http:/igotit.tistory.com/677     HMM wiki : https://en.wikipedia.org/wiki/Hidden_Markov_model  Andrey Markov wiki : https://en.wikipedia.org/wiki/Andrey_Markov

 

 

 

개념이해 일반 자료.

동영상 : https://www.youtube.com/watch?v=j3r9a75zOvM

 

///676.