Modelos ocultos de Markov
De Wikipedia, la enciclopedia libre
Un modelo oculto de Markov (Hidden Markov Model o HMM por sus siglas en inglés) es un modelo estadístico en el que se asume que el sistema a modelar es una cadena de Markov de parámetros desconocidos. El objetivo es determinar los parámetros ocultos de dicha cadena a partir de los parámetros observables. Los parámetros extraídos se pueden emplear para llevar a cabo sucesivos análisis, por ejemplo en aplicaciones de reconocimiento de formas. Un HMM se puede considerar como la red bayesiana dinámica más simple.
En un modelo de Markov normal, el estado es visible directamente por el observador, por lo que las probabilidades de transición entre estados son únicamente parámetros. En un modelo oculto de Markov, el estado no es visible directamente, sólo lo son las variables influídas por el estado. Cada estado tiene una distribución de probabilidad sobre los posibles símbolos de salida. Consecuentemente, la secuencia de símbolos generada por un HMM proporciona cierta información acerca de la secuencia de estados.
Los modelos ocultos de Markov son especialmente aplicados a reconocimiento de formas temporal, como reconocimiento del habla, de escritura manual, de gestos o bioinformática. Existe mas información sobre HMM en: http://supervisadaextraccionrecuperacioninformacion.iespana.es
Texto en cursiva