Речник

Скрит марковски модел (HMM)

Какво е Скрит марковски модел (HMM)?

Скритият марковски модел (hidden Markov model, HMM) е статистически модел за последователности, в който действителните състояния са скрити и могат да бъдат изведени само от наблюдаеми сигнали. Той описва вероятността едно състояние да следва друго и всяко състояние да поражда дадено наблюдение. HMM дълго време са стандарт в разпознаването на реч и в определянето на частите на речта; днес все още се използват например в биоинформатиката и анализа на времеви редове.

Теми

Статистика
Модели за последователности
Вероятност

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Моделиране на последователности

Моделирането на последователности обхваща методи, които обработват и предвиждат данни в определен ред, при който позицията на всеки елемент има значение. Типични последователности са текст, говорим език, времеви редове като продажби или показания на сензори, и сегменти от ДНК. Приложенията варират от превод и генериране на текст до разпознаване на реч и прогнозиране на продажбите. За целта са използвани скрити марковски модели и рекурентни мрежи; днес при езика доминират трансформър моделите.

последователности
дълбоко обучение
+1

Определяне на частите на речта (POS)

Определянето на частите на речта автоматично приписва на всяка дума в изречението нейната граматична категория, като съществително, глагол, прилагателно или предлог. Тъй като много думи са многозначни („book“ като съществително или глагол, „light“ като прилагателно или съществително), методите вземат предвид контекста на изречението. POS анотирането е класическа стъпка на предварителна обработка за синтактичен анализ, извличане на информация или проверка на правописа и се предлага от библиотеки като spaCy и NLTK.

NLP
Граматика
+1

Рекурентна невронна мрежа (RNN)

Рекурентната невронна мрежа обработва данните последователно и предава вътрешно състояние от всяка стъпка към следващата – един вид краткосрочна памет. Това я прави подходяща за последователности като текст, реч или времеви редове, например за предвиждане на следващата дума или на следващото показание на сензор. Простите RNN лесно забравят информация от далечното минало; варианти като LSTM и GRU смекчават този проблем. При езиковите модели RNN до голяма степен са заменени от трансформъри.

невронни мрежи
последователности
+1

Разпознаване на реч (реч в текст)

Разпознаването на реч, наричано също ASR (automatic speech recognition), автоматично преобразува говоримия език в писмен текст. Съвременните системи използват невронни мрежи, обучени върху голямо количество аудиозаписи, и се справят сравнително добре с акценти и фонов шум. Приложенията включват диктовка, субтитри, гласови асистенти и транскрибиране на срещи и разговори с клиенти. Специализираните термини, собствените имена и лошото качество на звука остават често срещани източници на грешки.

ASR
аудио
+1