网格中的每一列都显示了可能的的天气状态，并且每一列中的每个状态都与相邻列中的每一个状态相连。而其状态间的转移都由状态转移矩阵提供一个概率。在每一列下面都是某个时间点上的观察状态，给定任一个隐藏状态所得到的观察状态的概率由混淆矩阵提供。
2018-01-14 11:48
，DTW），隐马尔科夫模型（Hidden Markov Model，HMM）和人工神经元网络（Artificial Neural Networks，ANN）。
2018-04-20 14:55
代码见model/table.py文件，针对隐马尔科夫的三个概率矩阵，分别设计了三个数据表存储。这样的好处很明显，汉字的转移概率矩阵是一个非常大的稀疏矩阵，直接文件存储占用空间很大，并且加载的时候也只能一次性读入内存
2017-12-11 16:22
知道骰子有几种（隐含状态数量），每种骰子是什么（转换概率），根据掷骰子掷出的结果（可见状态链），我想知道掷出这个结果的概率。看似这个问题意义不大，因为掷出来的结果很多时候都对应了一个比较大的概率。
2019-03-19 11:32
为了实现基于HMM的驾驶行为预测，该过程必须分为两部分：第一部分是模型的训练，第二部分是估计最可能的隐藏状态序列。为了训练HMM，Baum - Welch算法（也称为期望最大化）将被用来估计最大似然
2018-10-12 14:53
这篇博客是关于可靠性建模的便捷技术，包括称为马尔可夫建模的CCF。作为复习，CCF通常涉及冗余安全系统中的所有通道同时发生故障，从而发生危险。理想情况下，在冗余系统中，如果发生单个故障，仍然至少有一个通道可以确保您的安全。CCF 通常会关闭所有冗余通道。
2023-06-28 16:33
现在要计算中心的像素点在下一次迭代中是属于第几类（这一代是第3类），ok采用一阶势能，这里需要说明一点，这个像素点无非是1-4之间的一类，那么我们需要分别计算下一代它是第1,2,3,4类时的势团。先假设这个点是第1类，先比较左右，发现都是1-1一样，ok记一下B,在与上B,与下，不一样，那么记一下-B，如果再来势团的话，斜上方，1-2，不一样-B，斜下方，1-1一样B, 一次类推，就可以将中心点如果是第1类的势团计算出来。那么在计算中心点如果是第2类，发现这个时候除了3个斜着的方向是一样的外，其他的都不一样。
2018-05-02 15:38
需要注意的是，这种方法只能应用于偶尔发生的马尔科夫决策过程。原因是在计算任意返回之前，这一episode就要停止。我们并不在每次动作结束后就更新，而是在每个episode结束后更新。它的方法很简单，即取每个状态所有采样轨迹的平均回报。
2018-11-22 09:06
近几年来，强化学习在任务导向型对话系统中得到了广泛的应用，对话系统通常被统计建模成为一个 马尔科夫决策过程（Markov Decision Process）模型，通过随机优化的方法来学习对话策略。
2019-08-06 14:16
2．3 声学建模方法 常用的声学建模方法包含以下三种：基于模式匹配的动态时间规整法（DTW）；隐马尔可夫模型法（HMM）；基于人工神经网络识别法（ANN）等。
2021-03-19 09:06
