machine-learning - HMM - 如果所有转换都可能，Foward-Backward 算法是否具有与 Viterbi 相同的结果？

Question

我正在参加生物信息学课程，我们正在学习 HMM 以推断 DNA 序列。

好吧，我们最近了解了前向-后向算法，该算法在给定一些观察序列的情况下，为我们提供了在时间 t 处于给定状态的概率。我们还了解了 Viterbi 算法，该算法为我们提供了一系列观察中最可能的隐藏状态序列。

我知道在时间 t 采取最可能的状态（由前向后向算法给出）不会给我们与 Viterbi 相同的结果，因为根据转移概率矩阵 A，该序列可能无效。

但我在想，如果我有一个转换概率矩阵 A，其中所有转换都是可能的（即每个 i,j 的 A(i,j) > 0），我可以说在每个时间步采取最有可能的采取（给定通过向前向后算法）会给我与维特比相同的结果吗？

谢谢！

标签： machine-learningprobabilityhidden-markov-models