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).