Optimizing the likelihood function

Optimizing the likelihood function of the HMM is analytically
intractable, but the iterative Baum-Welch algorithm [8] is a
conventional efficient method to estimate the HMM parameters
and one of the most important reasons for the popularity of ML
training in HMMs.

ผลลัพธ์ (ไทย) 1:

เพิ่มประสิทธิภาพการทำงานโอกาสของการ HMM เป็น analyticallyintractable แต่การซ้ำจัด Welch อัลกอริทึม [8] เป็นปกติวิธีที่มีประสิทธิภาพการประมาณพารามิเตอร์ HMMและหนึ่งในเหตุผลสำคัญที่สุดสำหรับความนิยมของ MLการฝึกอบรมใน HMMs

ผลลัพธ์ (ไทย) 2:

การเพิ่มประสิทธิภาพการทำงานของโอกาสในการอืมคือการวิเคราะห์
ว่ายาก แต่ซ้ำขั้นตอนวิธี Baum-เวลช์ [8] เป็น
วิธีที่มีประสิทธิภาพแบบเดิมในการประมาณค่าพารามิเตอร์อืม
และเป็นหนึ่งในเหตุผลที่สำคัญที่สุดสำหรับความนิยมของ ML
การฝึกอบรมใน HMMs

ผลลัพธ์ (ไทย) 3:

การเพิ่มโอกาสการทำงานของแบบจำลองวิเคราะห์
แก่นแก้ว แต่ซ้ำบาม Welch ขั้นตอนวิธี [ 8 ] เป็นวิธีที่ปกติ
ค่าพารามิเตอร์หืม
และหนึ่งในเหตุผลที่สำคัญที่สุดสำหรับความนิยมของการฝึกอบรม ml
ใน hmms .