【1】MDP（S【状态集】，A【动作集】，{Psa}【状态转换分布】，γ【贴现因子】，R【奖励函数】）
【过程】
从状态0出发，选择一个动作a0，
选择a1,
总的回报：
γ∈[0,1)状态1比状态0的回报少
选择活动使其最大：
政策policy：
定义值函数：
回报加权和期望
【2】隐马尔科夫模型
三要素 λ=（A，B，π）
两个基本假设：
（1）齐次马尔可夫性假设，隐马尔科夫链t的状态只和t-1状态有关。
（2）观测独立性假设，观测只和当前时刻状态有关。
观测序列生成：
输入：隐马尔科夫模型 λ=（A，B，π）观测序列长度T
（2）令t=1
（5）令t=t+1，如果t<T，转（3），否则终止。
隐马尔科夫三个基本问题：
（1）概率计算
【前向算法】
输入：隐马尔科夫模型λ，观测序列O
输出：观测序列概率P(O|λ)
初值：
递推：
终止：
【后向算法】
输入：λ，O
输出：p(O|λ)
（ii）对t=T-1,T-2,...,1
（iii）
（2）学习算法
【监督学习算法】
【baum-welch算法】
约束条件
（3）预测计算
【近似算法】
【维特比算法】
动态规划解概率最大路径，一个路径对应一个状态序列。
网友评论