Викторина, связанная с руководством · Жесткий Уровень

Викторина по скрытым марковским моделям

Проверяет состояния HMM, переходы и выбросы, алгоритмы Форварда и Витерби, обучение Баума-Уэлча и зависимости последовательностей.

Связанные направляющие путиСкрытые марковские модели
Вопрос 1 из 8

Что означает «скрытое» в скрытой марковской модели?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что означает «скрытое» в скрытой марковской модели?
    • Состояния ненаблюдаемы и выводятся из выходных данных.
    • Параметры модели секретны
    • Наблюдения зашифрованы
    • Переходы случайны и непознаваемы.
  2. Какое марковское свойство предполагается HMM?
    • Все штаты излучают один и тот же символ
    • Следующее состояние зависит только от текущего состояния
    • Наблюдения независимы от государств
    • Каждое состояние равновероятно
  3. Какой алгоритм находит единственную наиболее вероятную последовательность скрытых состояний?
    • Алгоритм Форвард
    • Баум-Уэлч
    • Алгоритм Витерби
    • Градиентный спуск
  4. Какие три набора вероятностей полностью определяют СММ?
    • Предыстория, вероятность и доказательства
    • Среднее значение, дисперсия и ковариация
    • Входные, скрытые и выходные веса
    • Начальное состояние, вероятности перехода и выбросов
  5. Что делает алгоритм Баума-Уэлча?
    • Изучает параметры HMM на основе данных посредством максимизации ожиданий
    • Шифрует последовательность наблюдений
    • Находит наиболее вероятный единственный путь
    • Вычисляет точную матрицу перехода в закрытой форме
  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