Baum-Welch Algorithm
Baum-Welch ist die EM-Spezialisierung für das Lernen von HMM-Parametern: Der E-Schritt berechnet mit Forward-Backward die erwarteten Belegungen verborgener Zustände, und der M-Schritt aktualisiert die Transition- und Emissionswahrscheinlichkeiten.
Zweck
HMM-Parameter aus Beobachtungssequenzen ohne gelabelte verborgene Zustände lernen.
Mechanismus
E-Schritt: Forward α und Backward β berechnen γ_t(i)=P(q_t=i|O,λ) und ξ_t(i,j)=P(q_t=i,q_{t+1}=j|O,λ). M-Schritt: Transition- und Emissionswahrscheinlichkeiten werden aus γ/ξ neu geschätzt. Iteriert wird bis zur Konvergenz.
Anwendungsfälle
- HMM-Training
- Sprachmodelle
- Biologische Sequenzen