Примеры использования Марковские на Русском языке и их переводы на Английский язык
{-}
-
Official
-
Colloquial
Скрытые марковские модели СММ.
Могут использоваться скрытые марковские модели.
Скрытые Марковские модели и их применение в избранных приложениях при распознавании речи.
СКС- грамматики расширяют КС- грамматики так же, как скрытые марковские модели расширяют регулярные грамматики.
Марковские источники часто используются в теории передачи информации как модель передатчика.
Показано, что предложенный подход позволяет синтезировать марковские случайные поля и более высокого порядка.
Скрытые марковские модели( СММ)- еще один очень популярный частный случай фильтров Калмана.
Родственным методом для CRF является алгоритм MEMM( Марковские модели с максимальной энтропией), также являющийся дискриминативной вероятностной моделью.
Обучаемые марковские модели в задачах оптимизации порядка предъявления психологических тестов// Нейрокомпьютеры.
Ключевые слова: партнерские отношения информационная система,прогнозирование развития отношений, марковские случайные процессы.
Также марковские источники используются в обработке естественного языка для распознавания скрытого значения текста.
Ключевые слова: распознавание образов, жесты, машинное обучение,метод опорных векторов, марковские модели, оптимизация.
Ключевые слова: математическая модель,авиатранспортная система, марковские процессы, марковские последовательности, марковские цепи, процессы гибели и размножения, метод« Динамики средних».
Выбор параметрических форм не ограничен, и различные варианты ведут к различным хорошо известным моделям:см. ниже фильтры Калмана и скрытые марковские модели.
Скрытые марковские модели( HMMs)- вероятностные модели, которые могут оценить правдоподобие для всех возможных комбинаций гэпов, совпадений или несовпадений для того, чтобы определить наиболее вероятное множественное выравнивание или их набор.
Другие алгоритмы и модели для структурного прогнозирования включают индуктивное логическое программирование, рассуждения на основе прецедентов, структурные методы опорных векторов,логико- марковские сети и ограниченные условные модели.
Так как марковские свойства произвольного распределения вероятностей трудно установить, широко используется класс марковских случайных полей, которые могут быть факторизованы в соответствии с кликами графа.
В качестве альтернативного подхода предлагается использовать марковские цепи, байесовские оценки и оценки максимального правдоподобия для матриц переходных вероятностей на основе агрегированных и неагрегированных данных.
Байесовское программирование также можно рассматривать как формальную алгебраическую систему для задания графических моделей, таких как, например, байесовские сети, динамические байесовские сети,фильтры Калмана или скрытые марковские модели.
Главными направлениями его исследовательской работы в теории вероятностей были общая теория стохастических процессов, марковские процессы, стохастическое интегрирование, стохастическая дифференциальная геометрия и квантовая теория вероятностей.
В марковской модели учитываются только два состояния ЖИЗНЬ и СМЕРТЬ.
Марковская модель для оценки HALE.
Ключевые слова: скрытая марковская модель, кепстральные коэффициенты( MFCC), коэффициенты линейного предсказания LPC.
В данной работе рассматривается марковский анализ моделей комплексных программно- аппаратных систем.
В марковской сети марковское ограждение для узла- это просто его смежные узлы.
Вычисление параметров скрытых марковских моделей, используемых в системах.
Во введении перечисляются основные достоинства и недостатки марковского анализа.
Это существенно ограничивает возможность применения марковского анализа на практике.
В работе также рассматриваются существующие инструменты марковского анализа и их недостатки.
Разработка системы распознавания речи на основе скрытых марковских моделей отдельных слов.