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?
问题描述
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!
解决方案
推荐阅读
- python - Flask - RuntimeError:在应用程序上下文之外工作
- docker - 启动dotdocker时出现代理服务器错误
- aws-lambda - 在缓存授权方响应时获取 403
- c - printf 的速度如何受分叉进程和“\n”的影响?
- laravel - nuxtServerInit 与 Vuex 导致无限循环 laravel 和 nuxtjs
- opengl - OpenGL模糊
- python - Plotly-Dash:如何基于两个不同的数据框创建图形?
- python - 数据作为一个文本出来,我想将数据分为课程名称,描述等
- c++ - 为什么这段代码占用这么多内存?
- javascript - 导出的 Firebase .ref() 对象没有 .on() 方法?