Útmutatóhoz kapcsolódó kvíz · Kemény Szint
Rejtett Markov-modellek kvíz
Checks HMM states, transitions and emissions, the Forward and Viterbi algorithms, Baum-Welch learning and sequence dependencies.
kérdés 1 -ból 8
Mire utal a „rejtett” a Rejtett Markov-modellben?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mire utal a „rejtett” a Rejtett Markov-modellben?
- Az állapotok nem megfigyelhetők és a kimenetekből következtethetők
- A modell paraméterei titkosak
- A megfigyelések titkosítva vannak
- Az átmenetek véletlenszerűek és kiismerhetetlenek
- Mi a HMM által feltételezett Markov-tulajdonság?
- Minden állapot ugyanazt a szimbólumot bocsátja ki
- A következő állapot csak az aktuális állapottól függ
- A megfigyelések állapotoktól függetlenek
- Minden állapot egyformán valószínű
- Melyik algoritmus találja meg a rejtett állapotok legvalószínűbb sorozatát?
- A Forward algoritmus
- Baum-Welch
- A Viterbi algoritmus
- Gradiens süllyedés
- Melyik három valószínűségi halmaz határozza meg teljesen a HMM-et?
- Előzetes, valószínűség és bizonyíték
- Átlag, variancia és kovariancia
- Bemeneti, rejtett és kimeneti súlyok
- Kiindulási állapot, átmenet és kibocsátási valószínűségek
- Mit csinál a Baum-Welch algoritmus?
- Megtanulja a HMM paramétereket az adatokból a várakozás-maximalizálás révén
- Titkosítja a megfigyelési sorrendet
- Megkeresi a legvalószínűbb egyetlen utat
- Kiszámítja a pontos átmeneti mátrixot zárt formában
- 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
- 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
- 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