Вікторина «Приховані моделі Маркова».

Відповіді та пояснення з’являються під час виконання тесту.

1. Що означає «приховане» у прихованій моделі Маркова?
   • Ці стани не можна спостерігати та виводяться з результатів
   • Параметри моделі секретні
   • Спостереження зашифровані
   • Переходи є випадковими і невідомими
2. Яку властивість Маркова приймає HMM?
   • Усі держави випромінюють однаковий символ
   • Наступний стан залежить лише від поточного стану
   • Спостереження не залежать від станів
   • Кожен стан однаково вірогідний
3. Який алгоритм знаходить єдину найбільш імовірну послідовність прихованих станів?
   • Алгоритм вперед
   • Баум-Велч
   • Алгоритм Вітербі
   • Градієнтний спуск
4. Які три набори ймовірностей повністю визначають HMM?
   • Попереднє, ймовірність і докази
   • Середнє значення, дисперсія та коваріація
   • Вхідні, приховані та вихідні ваги
   • Імовірності початкового стану, переходу та викиду
5. Що робить алгоритм Баума-Велча?
   • Вивчає параметри HMM із даних за допомогою максимізації очікування
   • Шифрує послідовність спостереження
   • Знаходить найбільш імовірний єдиний шлях
   • Обчислює точну матрицю переходу в закритій формі
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