HMMs have been successfully applied

HMMs have been successfully applied for many tasks related to sequence
clustering [18], such as map matching with noisy observations [15], and to hidden
intents recognition [1, 19]. We also dier from [4], where a traditional Markov
model is used to classify dierent observations to an internal taxonomy. The work
proposes a one-to-one mapping to couple state-symbol, but due to the absence of
hidden states, Baum-Welch and Viterbi algorithms are not applied. Our proposal
is the rst attempt to addresses the problem of predicting the destination and
the route to reach it with a HMM formulation over noisy observations.

ผลลัพธ์ (ไทย) 1:

HMMs ได้ถูกนำไปใช้สำหรับงานต่าง ๆ ที่เกี่ยวข้องกับลำดับคลัสเตอร์ [18], เช่นแผนที่จับคู่สังเกตเสียงดัง [15], และที่ซ่อนอยู่ต้องรู้ [1, 19] เราดิยังเอ้อ จาก [4], Markov แบบดั้งเดิมรุ่นถูกใช้เพื่อจัดประเภท di สังเกตระหว่างการผลิตเพื่อการจำแนกประเภทภายใน การทำงานเสนอการแมปแบบหนึ่งต่อหนึ่งคู่รัฐสัญลักษณ์ แต่เนื่อง จากขาดอเมริกาที่ซ่อนอยู่ เวลช์ Baum และอัลกอริทึม Viterbi จะไม่ใช้ ข้อเสนอของเราคือความพยายามด้านการสำหรับปัญหาของปลายทางการทำนาย และเส้นทางเดินสี HMM กว่าสังเกตเสียงดัง

ผลลัพธ์ (ไทย) 2:

HMMs ได้รับการใช้ประสบความสำเร็จสำหรับงานมากมายที่เกี่ยวข้องกับลำดับ
การจัดกลุ่ม [18] เช่นการจับคู่แผนที่กับข้อสังเกตที่มีเสียงดัง [15] และซ่อน
การรับรู้เจตนา [1, 19] นอกจากนี้เรายัง di? ER จาก [4] ซึ่งเป็นมาร์คอฟแบบดั้งเดิม
รูปแบบถูกนำมาใช้ในการจำแนก di? สังเกตต่างกันไปยังอนุกรมวิธานภายใน งาน
นำเสนอการทำแผนที่หนึ่งต่อหนึ่งไปยังคู่รัฐสัญลักษณ์ แต่เนื่องจากขาดของ
รัฐที่ซ่อน Baum-Welch และ Viterbi อัลกอริทึมจะไม่ใช้ ข้อเสนอของเรา
เป็นความพยายามครั้งแรกที่อยู่ในการคาดการณ์ปัญหาปลายทางและ
เส้นทางที่จะไปถึงมันด้วยสูตร HMM มากกว่าสังเกตที่มีเสียงดัง