![]() 15
Di dalam
Hidden Markov Models terdapat tiga
masalah yang dapat diselesaikan
dengan 3 algoritma yaitu terdiri dari :
Langkah 1 : Masalah Evaluasi (Evaluation Problem)
Diberikan model ? = (A, B, p), bagaimana menghitung
P(O | ?), yaitu
kemungkinan ditemuinya rangkaian pengamatan O = O1, O2, ..., O
T
.
Masalah
ini dapat diselesaikan menggunakan algoritma yang dikenal dengan forward
dan backward algorithm.
Langkah 2 : Masalah Pengkodean (Decoding Problem)
Diberikan model ? = (A, B, p), bagaimana memilih rangkaian state I = i1,
i2,...,i
T
sehingga P(O, I | ?), kemungkinan gabungan rangkaian pengamatan O
= O1, O2, ..., O
T
dan rangkaian state jika diberikan model, maksimal.
Dapat
diselesaikan menggunakan algoritma yaitu algoritma Viterbi.
Langkah 3 : Masalah Pembelajaran (Learning Problem)
Bagaimana mengubah parameter HMM, ? = (A, B, p) sehingga P(O | ?)
maksimal.
Masalah ini dapat diselesaikan menggunakan algoritma Baum
Welch.
2.4.1 Algoritma Viterbi
Tujuan dari decoding adalah untuk mencari state
sequence yang tersembunyi
(hidden). Algoritma viterbi membantu mencari state sequence tersembunyi itu dengan
cara menelusuri setiap state hingga mendapatkan state terbaik dan maksimum. Definisi :
(2.7)
sebagai probabilitas yang ada pada setiap state.
|