前向後向演算法和baum-welch演算法區別是什麼？

01-08

前向後向演算法和baum-welch演算法區別是什麼？

baum-welch演算法是一種對hmm模型做參數估計的方法，是EM演算法的一個特例。

EM演算法包含兩步：

1:expectation，計算隱變數的概率分布，並得到可觀察變數與隱變數聯合概率的log-likelihood在前面求得的隱變數概率分布下的期望。

2:maximization

求得使上述期望最大的新的模型參數。若達到收斂條件則退出，否則回到步驟1。

前向後向演算法則主要是解決Expectation這步中求隱變數概率分布的一個演算法，它利用dynamic programming大大減少了計算量。

前向後向演算法是已知模型和序列求概率的演算法，也是用於訓練的Baum-Welch演算法的循環中的一個步驟。

Baum-Welch每一次迭代中，都需要分別調用前向、後向演算法進行計算。