Rehber bağlantılı sınav · Sert Seviye
Gizli Markov Modelleri Testi
HMM durumlarını, geçişleri ve emisyonları, Forward ve Viterbi algoritmalarını, Baum-Welch öğrenmesini ve dizi bağımlılıklarını kontrol eder.
Soru 1 arasında 8
Gizli Markov Modelindeki 'gizli' neyi ifade ediyor?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- Gizli Markov Modelindeki 'gizli' neyi ifade ediyor?
- Durumlar gözlemlenemez ve çıktılardan çıkarılır
- Model parametreleri gizlidir
- Gözlemler şifreleniyor
- Geçişler rastgele ve bilinemez
- Bir HMM tarafından varsayılan Markov özelliği nedir?
- Bütün eyaletler aynı sembolü yayar
- Bir sonraki durum yalnızca mevcut duruma bağlıdır
- Gözlemler durumlardan bağımsızdır
- Her durum eşit derecede olasıdır
- Hangi algoritma en olası gizli durum dizisini bulur?
- İleri Algoritma
- Baum-Welch
- Viterbi algoritması
- Gradyan iniş
- Hangi üç olasılık kümesi tam olarak bir HMM'yi belirtir?
- Öncelik, olasılık ve kanıt
- Ortalama, varyans ve kovaryans
- Giriş, gizli ve çıkış ağırlıkları
- Başlangıç durumu, geçiş ve emisyon olasılıkları
- Baum-Welch algoritması ne işe yarar?
- Beklenti maksimize etme yoluyla verilerden HMM parametrelerini öğrenir
- Gözlem sırasını şifreler
- En olası tek yolu bulur
- Kapalı formdaki tam geçiş matrisini hesaplar
- Hangi Transformer özelliği, uzak konumlardaki jetonları bir sırayla doğrudan ilişkilendirebilir?
- Bir HMM emisyon tablosu
- Girişteki konumlar üzerinde kişisel dikkat
- Sabit tek durumlu geçiş
- Şimdiye kadar yalnızca bir jetonu işleme zorunluluğu
- Forward algoritması bir dizi gözlem için neyi hesaplar?
- Yalnızca en olası tek durum yolu
- En olası parametre başlatma
- Olası gizli durum yollarının toplanmasıyla gözlemlerin toplam olasılığı
- Emisyon olasılıklarının ortalaması
- Gizli bir durum bir kelime veya akustik sembol yayar. Hangi HMM olasılığı bu ilişkiyi tanımlar?
- Başlangıç durumu olasılığı
- Geçiş olasılığı
- The discount factor
- The emission probability