مخفف HMM
Hidden Markov Model
14
در مدل عادی مارکوف، حالت به طور مستقیم توسط ناظر قابل مشاهدهاست و بنابراین احتمالهای انتقال بین حالتها تنها پارامترهای موجود است. در یک مدل پنهان مارکوف، حالت به طور مستقیم قابل مشاهده نیست، اما خروجی، بسته به حالت، قابل مشاهدهاست. هر حالت یک توزیع احتمال روی سمبلهای خروجی ممکن دارد. بنابراین دنبالهی سمبلهای تولید شده توسط یک مدل پنهان مارکوف اطلاعاتی دربارهی دنبالهی حالتها میدهد. توجه داشته باشید که صفت 'پنهان' به دنبالهی حالتهایی که مدل از آنها عبور میکند اشاره دارد، نه به پارامترهای مدل؛ حتی اگر پارامترهای مدل به طور دقیق مشخص باشند، مدل همچنان 'پنهان' است.
مدلهای پنهان مارکوف بیشتر به خاطر کاربردشان در بازشناخت الگو مانند تشخیص صدا و دست خط، تشخیص اشاره و حرکت، برچسب گذاری ادات سخن، بیوانفورماتیک و ... شناخته شده هستند.
![Hidden Markov Model HMM](https://www.mokhafaf.com/uploads/images/hmm-1090.jpg)