Das Hidden-Markov-Modell

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).

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.