은닉 마르코프(HMM, Hidden Markov Model)

I. 은닉 마르코프 모델의 개요

가. 은닉 마르코프(HMM, Hidden Markov Model)의 정의

   - 관측될 수 없는 은닉 상태를 관측이 가능한 결과를 통하여 모델링하는 이중 확률론적 모델

나. HMM의 기반이 되는 마르코프(MM) 모델의 가정

- 특정 사건이 관측될 확률은 이전 시간 관측 결과에 의존하며, 상태를 직접 볼 수 없음

---

II. 은닉 마르코프 모델의 기본 모델도와 유형 및 구성요소

가. 은닉 마르코프 모델의 기본 모델도와 유형

항목	설명
기본 모델도
HMM 유형	Ergodic		- 모든 상태가 연결, 상태간 확률 연계 - 순환모델
	Left to Right		- 상태 전이가 순차 발생 - 일자형 모델

- 은닉상태/관찰가능상태 집합, 상태전이/관찰확률 행렬 및 파이 벡터기반 HMM 모델링

나. 은닉 마르코프 모델의 구성요소

구분	구성요소
주요변수	- Initialization 확률, State transaction 확률, Observation 확률
HMM 구성	- 은닉상태 집합, 관찰가능상태 집합, 상태전이 행렬, 관찰확률 행렬, 파이 벡터

- 베이지안 네트워크 모델링 기법 기반으로 HMM 확률기반 모델링 가능

- 상세내용 과제마리 참고

---

III. 은닉 마르코프 모델의 적용 시 고려사항 및 적용방안

-    최적해 찾기: 가장 최적의 숨겨진 상태열 검색

-    파라미터 추정: 학습데이터 기반 관측열의 최적화된 모델 파라미터 검색

-    확률평가 문제: 관측값이 다수 일 때 최적 모델을 검색