Kuiz berkaitan panduan · Keras Tahap

Kuiz Model Markov Tersembunyi

Menyemak keadaan HMM, peralihan dan pelepasan, algoritma Forward dan Viterbi, pembelajaran Baum-Welch dan kebergantungan jujukan.

Laluan panduan yang berkaitanModel Markov Tersembunyi
soalan 1 daripada 8

Apakah yang dimaksudkan oleh 'tersembunyi' dalam Model Markov Tersembunyi?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang dimaksudkan oleh 'tersembunyi' dalam Model Markov Tersembunyi?
    • Negeri-negeri tidak boleh diperhatikan dan disimpulkan daripada output
    • Parameter model adalah rahsia
    • Pemerhatian disulitkan
    • Peralihan adalah rawak dan tidak dapat diketahui
  2. Apakah harta Markov yang diandaikan oleh HMM?
    • Semua negeri mengeluarkan simbol yang sama
    • Keadaan seterusnya hanya bergantung pada keadaan semasa
    • Pemerhatian adalah bebas daripada negeri
    • Setiap negeri berkemungkinan sama
  3. Algoritma yang manakah mencari urutan tunggal yang paling mungkin bagi keadaan tersembunyi?
    • Algoritma Hadapan
    • Baum-Welch
    • Algoritma Viterbi
    • Keturunan kecerunan
  4. Tiga set kebarangkalian yang manakah menyatakan sepenuhnya HMM?
    • Sebelum, kemungkinan, dan bukti
    • Min, varians, dan kovarians
    • Berat input, tersembunyi dan keluaran
    • Keadaan awal, peralihan, dan kebarangkalian pelepasan
  5. Apakah yang dilakukan oleh algoritma Baum-Welch?
    • Mempelajari parameter HMM daripada data melalui pemaksimuman jangkaan
    • Menyulitkan urutan pemerhatian
    • Mencari laluan tunggal yang paling mungkin
    • Mengira matriks peralihan tepat dalam bentuk tertutup
  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