國立虎尾科技大學 |

Das Hidden-Markov-Modell = Zufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagen /

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Das Hidden-Markov-Modell/ von Karl-Heinz Zimmermann.
Reminder of title:	Zufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagen /
Author:	Zimmermann, Karl-Heinz.
Description:	VII, 70 S. 16 Abb.online resource. :
Contained By:	Springer Nature eBook
Subject:	Markov processes. -
Online resource:	https://doi.org/10.1007/978-3-662-65968-7
ISBN:	9783662659687

Das Hidden-Markov-Modell = Zufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagen /
Zimmermann, Karl-Heinz.

Das Hidden-Markov-ModellZufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagen /[electronic resource] :von Karl-Heinz Zimmermann. - 1st ed. 2022. - VII, 70 S. 16 Abb.online resource. - essentials,2197-6716. - essentials,.

Wahrscheinlichkeitsrechnung -- Vollständig beobachtetes Hidden-Markov-Modell -- Hidden-Markov-Modell -- Historie.

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). Der Inhalt Wahrscheinlichkeitsrechnung Hidden-Markov-Modell Inferenz: Viterbi-Algorithmus Parameterschätzung: Algorithmen EM und BW Die Zielgruppen Studierende der Informatik und Mathematik Lehrkräfte im Bereich Informatik und Mathematik Der Autor Dr. Karl-Heinz Zimmermann studierte Informatik und Mathematik an der Universität Erlangen-Nürnberg. Er promovierte dort in Theoretischer Informatik und habilitierte in Mathematik an der Universität Bayreuth. Er war Fulbright-Stipendiat an der Princeton Universität und Heisenberg-Stipendiat an der Universität Karlsruhe (TH). Er ist seit mehr als 25 Jahren Professor für Informatik an der Technischen Universität Hamburg und Autor von mehreren Forschungsmonographien sowie von über 120 wissenschaftlichen Forschungspublikationen.

ISBN: 9783662659687

Standard No.: 10.1007/978-3-662-65968-7doiSubjects--Topical Terms:

527825
Markov processes.

LC Class. No.: QA274.7-.76

Dewey Class. No.: 519.233

Das Hidden-Markov-Modell = Zufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagen /
LDR:02947nam a22003615i 4500 001 1084703
003 DE-He213
005 20221025064808.0
007 cr nn 008mamaa
008 221228s2022 gw | s |||| 0|ger d
020 $a 9783662659687 $9 978-3-662-65968-7
024 7 $a 10.1007/978-3-662-65968-7 $2 doi
035 $a 978-3-662-65968-7
050 4 $a QA274.7-.76
072 7 $a PBWL $2 bicssc
072 7 $a COM077000 $2 bisacsh
072 7 $a PBWL $2 thema
082 0 4 $a 519.233 $2 23
100 1 $a Zimmermann, Karl-Heinz. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 681068
245 1 4 $a Das Hidden-Markov-Modell $h [electronic resource] : $b Zufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagen / $c von Karl-Heinz Zimmermann.
250 $a 1st ed. 2022.
264 1 $a Berlin, Heidelberg : $b Springer Berlin Heidelberg : $b Imprint: Springer Spektrum, $c 2022.
300 $a VII, 70 S. 16 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
490 1 $a essentials, $x 2197-6716
505 0 $a Wahrscheinlichkeitsrechnung -- Vollständig beobachtetes Hidden-Markov-Modell -- Hidden-Markov-Modell -- Historie.
520 $a 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). Der Inhalt Wahrscheinlichkeitsrechnung Hidden-Markov-Modell Inferenz: Viterbi-Algorithmus Parameterschätzung: Algorithmen EM und BW Die Zielgruppen Studierende der Informatik und Mathematik Lehrkräfte im Bereich Informatik und Mathematik Der Autor Dr. Karl-Heinz Zimmermann studierte Informatik und Mathematik an der Universität Erlangen-Nürnberg. Er promovierte dort in Theoretischer Informatik und habilitierte in Mathematik an der Universität Bayreuth. Er war Fulbright-Stipendiat an der Princeton Universität und Heisenberg-Stipendiat an der Universität Karlsruhe (TH). Er ist seit mehr als 25 Jahren Professor für Informatik an der Technischen Universität Hamburg und Autor von mehreren Forschungsmonographien sowie von über 120 wissenschaftlichen Forschungspublikationen.
650 0 $a Markov processes. $3 527825
650 0 $a Stochastic models. $3 683908
650 0 $a Stochastic processes. $3 528256
650 1 4 $a Markov Process. $3 1366662
650 2 4 $a Stochastic Modelling. $3 1366661
650 2 4 $a Stochastic Processes. $3 1098688
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783662659670
830 0 $a essentials, $x 2197-6708 $3 1253503
856 4 0 $u https://doi.org/10.1007/978-3-662-65968-7
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)