Im Mittelpunkt dieses essentials steht eine Einführung in ein bekanntes statistisches Modell
das Hidden-Markov-Modell.Damit können Probleme bewältigt werden bei denen aus einer Folge von
Beobachtungen auf die wahrscheinlichste zustandsspezifische Beschreibung geschlossen werden
soll.Die Anwendungen des Hidden-Markov-Modells liegen hauptsächlich in den Bereichen
Bioinformatik Computerlinguistik maschinelles Lernen und Signalverarbeitung.In diesem
Büchlein werden die beiden zentralen Problemstellungen in HMMs behandelt.Das Problem der
Inferenz wird mit dem berühmten Viterbi-Algorithmus gelöst und das Problem der
Parameterschätzung wird mit zwei bekannten Methoden angegangen (Erwartungsmaximierung und
Baum-Welch).
