Тест за скрити модели на Марков

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво означава „скритото“ в Скрития модел на Марков?
   • Състоянията не могат да се наблюдават и се извеждат от резултатите
   • Параметрите на модела са секретни
   • Наблюденията са криптирани
   • Преходите са случайни и непознаваеми
2. Какво е свойството на Марков, прието от HMM?
   • Всички държави излъчват един и същ символ
   • Следващото състояние зависи само от текущото състояние
   • Наблюденията са независими от държавите
   • Всяко състояние е еднакво вероятно
3. Кой алгоритъм намира единствената най-вероятна последователност от скрити състояния?
   • Алгоритъмът напред
   • Баум-Уелч
   • Алгоритъмът на Витерби
   • Градиентно спускане
4. Кои три набора от вероятности напълно определят HMM?
   • Преди, вероятност и доказателства
   • Средна стойност, дисперсия и ковариация
   • Входни, скрити и изходни тегла
   • Вероятности за начално състояние, преход и емисии
5. Какво прави алгоритъмът на Баум-Уелч?
   • Научава HMM параметри от данни чрез максимизиране на очакванията
   • Шифрова последователността на наблюдение
   • Намира най-вероятния единствен път
   • Изчислява точната матрица на прехода в затворена форма
6. Which Transformer feature can directly relate tokens at distant positions in a sequence?
   • An HMM emission table
   • Self-attention over positions in the input
   • A fixed single-state transition
   • A requirement to process only one token ever
7. What does the Forward algorithm compute for a sequence of observations?
   • Only the single most likely state path
   • The most likely parameter initialization
   • The total probability of the observations by summing over possible hidden-state paths
   • The mean of the emission probabilities
8. A hidden state emits a word or acoustic symbol. Which HMM probability describes that relation?
   • The initial-state probability
   • The transition probability
   • The discount factor
   • The emission probability