Gids-gekoppelde quiz · Moeilijk Niveau

Verborgen Markov-modellenquiz

Controleert HMM-toestanden, transities en emissies, de Forward- en Viterbi-algoritmen, Baum-Welch-leren en sequentie-afhankelijkheden.

Gerelateerde gidspadenVerborgen Markov-modellen
Vraag 1 van 8

Waarnaar verwijst het ‘verborgen’ in het Verborgen Markov-model?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarnaar verwijst het ‘verborgen’ in het Verborgen Markov-model?
    • De toestanden zijn niet waarneembaar en worden afgeleid uit de output
    • De modelparameters zijn geheim
    • De waarnemingen zijn gecodeerd
    • De overgangen zijn willekeurig en onkenbaar
  2. Wat is de Markov-eigenschap die door een HMM wordt aangenomen?
    • Alle staten zenden hetzelfde symbool uit
    • De volgende toestand hangt alleen af van de huidige toestand
    • Waarnemingen zijn onafhankelijk van staten
    • Elke staat is even waarschijnlijk
  3. Welk algoritme vindt de meest waarschijnlijke reeks verborgen toestanden?
    • Het Forward-algoritme
    • Baum-Welch
    • Het Viterbi-algoritme
    • Gradiënt afdaling
  4. Welke drie sets van waarschijnlijkheden specificeren een HMM volledig?
    • Voorafgaand, waarschijnlijkheid en bewijs
    • Gemiddelde, variantie en covariantie
    • Invoer-, verborgen- en uitvoergewichten
    • Initiële toestand, transitie en emissiekansen
  5. Wat doet het Baum-Welch-algoritme?
    • Leert HMM-parameters uit gegevens via verwachtingsmaximalisatie
    • Versleutelt de observatiereeks
    • Vindt het meest waarschijnlijke pad
    • Berekent de exacte transitiematrix in gesloten vorm
  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