is a statistical Markov model in wh

is a statistical Markov model in which the system being modeled is assumed to be a Markov process with unobserved (hidden) states. An HMM can be presented as the simplest dynamic Bayesian network. The mathematics behind the HMM was developed by L. E. Baum and coworkers.[1][2][3][4][5] It is closely related to an earlier work on the optimal nonlinear filtering problem by Ruslan L. Stratonovich,[6] who was the first to describe the forward-backward procedure.

ผลลัพธ์ (ไทย) 1:

เป็นรูปแบบ Markov สถิติในระบบการจำลองจะถือ Markov กระบวนการกับอเมริกา unobserved (ซ่อน) สามารถแสดงการ HMM เป็นเครือข่ายทฤษฎีไดนามิกที่ง่ายที่สุด คณิตศาสตร์หลัง HMM ได้รับการพัฒนา โดยจัด E. L. และคณะ[1][2][3][4][5] มันจะเกี่ยวข้องกับการทำงานก่อนหน้านี้ปัญหาไม่เชิงเส้นกรองเหมาะสมอย่างใกล้ชิด โดย Ruslan L. Stratonovich, [6] ซึ่งเป็นคนแรกเพื่ออธิบายกระบวนการไปข้างหน้าย้อนหลัง

ผลลัพธ์ (ไทย) 2:

เป็นรูปแบบมาร์คอฟสถิติที่ระบบที่มีการสร้างแบบจำลองจะถือว่าเป็นกระบวนการมาร์คอฟกับไม่มีใครสังเกต (ซ่อน) รัฐ อืมสามารถนำเสนอเป็นเครือข่ายแบบเบย์แบบไดนามิกที่ง่ายที่สุด คณิตศาสตร์ที่อยู่เบื้องหลัง HMM รับการพัฒนาโดย LE Baum และเพื่อนร่วมงาน. [1] [2] [3] [4] [5] มันเป็นเรื่องที่เกี่ยวข้องอย่างใกล้ชิดกับการทำงานก่อนหน้านี้เกี่ยวกับปัญหาการกรองไม่เชิงเส้นที่ดีที่สุดโดยแลนลิตร Stratonovich [6 ] ซึ่งเป็นครั้งแรกที่จะอธิบายขั้นตอนไปข้างหน้าข้างหลัง

ผลลัพธ์ (ไทย) 3:

เป็นสถิติแบบมาร์คอฟ ซึ่งสันนิษฐานได้ว่าเป็นระบบที่จำลองกระบวนการมาร์คอฟกับ unobserved ( ซ่อน ) สหรัฐอเมริกา เป็นหือสามารถนำเสนอเป็นง่ายแบบไดนามิกคชกรรมเครือข่าย คณิตศาสตร์เบื้องหลังอืมถูกพัฒนาโดย อีบอมและเพื่อนร่วมงาน [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] มันเกี่ยวข้องกับก่อนหน้านี้ทำงานที่เหมาะสมกรองปัญหาไม่เชิงเส้นโดย stratonovich Ruslan ลิตร ,[ 6 ] ใครเป็นคนแรกที่อธิบายขั้นตอนย้อนกลับไปข้างหน้า