machine-learning - 结合神经网络和隐马尔可夫模型

Question

我正在阅读一篇论文，其中作者使用神经网络来产生发射和转换概率。我对他们在第 4.1 节“产生概率”中描述其发射架构和过渡架构的方式感到困惑。

https://arxiv.org/pdf/1609.09007.pdf

例如，如果我有一个蛋白质序列，它可以由 20 个不同的字母组成，并且该序列中的每个字母都有一个潜在的状态。总共有三个基础状态（S，B，C）。那么对于发射架构，我的标签向量（v_i）会是什么样子，我的向量嵌入会是什么样子（w_i）？如果有人能用这个生物学问题来解释它，我将不胜感激，因为这样我会更容易理解。

标签： machine-learningneural-networkhidden-markov-models