Un modelo simple de Markov tiene varios estados y probabilidades de transición de estado a estado.
Un modelo oculto de Markov tiene un modelo simple de Markov en su núcleo, pero solo podemos observar una señal que está correlacionada con los estados, en lugar de los estados en sí.
Por ejemplo, en un juego de fútbol, los estados son los puntajes de los dos equipos y la cantidad de segundos restantes en el juego. La mayoría de las veces, la transición de segundo a segundo es que el tiempo restante se reduce en un segundo y el puntaje se mantiene igual. Pero ocasionalmente el tiempo restante no se reduce (el medio tiempo o el juego se detiene y probablemente resulte en más tiempo de detención), y a veces un equipo u otro consigue un gol extra. Para ser un modelo simple de Markov, las probabilidades de transición entre estos estados deben ser constantes.
- Cómo comenzar a aprender y codificar Inteligencia Artificial
- ¿MATLAB es el software más conveniente para el aprendizaje automático?
- ¿Cuál es el mejor algoritmo para descubrir todos los nodos de la red y mantener esa red en tiempo real?
- ¿Cuáles son los prerrequisitos matemáticos para estudiar el aprendizaje automático?
- ¿Qué significa realmente el valor semilla en el algoritmo de aprendizaje automático?
Supongamos que estamos fuera del estadio y no podemos obtener información, excepto el ruido de la multitud. Si hay un cierto tipo de rugido, creemos que el equipo local marcó un gol, pero podría haber sido otra buena noticia para el equipo local o algo al azar. Otros ruidos sugieren que el equipo visitante anotó, o hubo una llamada controvertida, o una tarjeta amarilla o roja; o que es medio tiempo; o que el juego ha terminado. Si escuchamos atentamente, podemos formar juicios probables sobre el estado del juego.