Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο

Κουίζ κρυμμένων μοντέλων Markov

Ελέγχει τις καταστάσεις HMM, τις μεταβάσεις και τις εκπομπές, τους αλγόριθμους Forward και Viterbi, την εκμάθηση Baum-Welch και τις εξαρτήσεις ακολουθίας.

Σχετικές διαδρομές οδηγώνΚρυμμένα μοντέλα Markov
Ερώτηση 1 του 8

Σε τι αναφέρεται το «κρυμμένο» στο Hidden Markov Model;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Σε τι αναφέρεται το «κρυμμένο» στο Hidden Markov Model;
    • Οι καταστάσεις είναι μη παρατηρήσιμες και συνάγονται από τα αποτελέσματα
    • Οι παράμετροι του μοντέλου είναι μυστικές
    • Οι παρατηρήσεις είναι κρυπτογραφημένες
    • Οι μεταβάσεις είναι τυχαίες και άγνωστες
  2. Ποια είναι η ιδιοκτησία Markov που αναλαμβάνεται από ένα HMM;
    • Όλες οι πολιτείες εκπέμπουν το ίδιο σύμβολο
    • Η επόμενη κατάσταση εξαρτάται μόνο από την τρέχουσα κατάσταση
    • Οι παρατηρήσεις είναι ανεξάρτητες από τα κράτη
    • Κάθε κράτος είναι εξίσου πιθανό
  3. Ποιος αλγόριθμος βρίσκει την πιο πιθανή ακολουθία κρυφών καταστάσεων;
    • Ο αλγόριθμος Forward
    • Baum-Welch
    • Ο αλγόριθμος Viterbi
    • Κλίση κατάβασης
  4. Ποια τρία σύνολα πιθανοτήτων καθορίζουν πλήρως ένα HMM;
    • Προηγούμενη, πιθανότητα και αποδεικτικά στοιχεία
    • Μέσος όρος, διακύμανση και συνδιακύμανση
    • Βάρη εισόδου, κρυφής και εξόδου
    • Αρχική κατάσταση, μετάβαση και πιθανότητες εκπομπής
  5. Τι κάνει ο αλγόριθμος Baum-Welch;
    • Μαθαίνει τις παραμέτρους HMM από δεδομένα μέσω της μεγιστοποίησης προσδοκιών
    • Κρυπτογραφεί την ακολουθία παρατήρησης
    • Βρίσκει το πιο πιθανό μονοπάτι
    • Υπολογίζει τον ακριβή πίνακα μετάβασης σε κλειστή μορφή
  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