Diferencia entre revisiones de «Algoritmo de avance-retroceso»
Contenido eliminado Contenido añadido
Complejidad computacional y forward vs. backward |
|||
Línea 106:
\beta_{2}(3)=\displaystyle\sum_{j=1}^{5}{a_{3j}\beta_{3}(j)b_{j}(o_{3})},
</math>
== Complejidad computacional ==
Tanto el procedimiento hacia adelante como el algoritmo backward, requieren del orden de <math>N^{2}T</math> operaciones; muy inferior a <math>2TN^{T}-1</math> operaciones que son necesarias si se calcula <math>P(O,S|\mu)</math> para todas las posibles secuencias <math>S</math> del modelo.
El cálculo de los <math>\beta_{t}(i)</math> servirán - junto a los <math>\alpha_{t}(i)</math> - para contestar las otras dos preguntas fundamentales de los Modelos Ocultos de Markov:
* ¿Cuál es la '''secuencia óptima <math>S</math> de estados''' dado una secuencia de observaciones <math>O</math>?
* Dada una secuencia de observaciones <math>O=(o_{1},o_{2},\ldots,o_{T})</math>, ¿cómo podemos estimar los parámetros del modelo <math>\mu=(\pi,A,B)</math> para maximizar <math>P(O|\mu)</math>. En este caso el objetivo es encontrar el '''modelo que mejor ''explica'' la secuencia observada''' ([[algoritmo de Baum-Welch]]).
== Véase también ==
| |||