Baum-Welch Algorithm
Baum-Welch es la especialización de EM para el aprendizaje de parámetros de HMM: el paso E usa forward-backward para calcular las ocupaciones esperadas de estados ocultos, y el paso M actualiza las probabilidades de transición y emisión.
Propósito
Aprender los parámetros de un HMM a partir de secuencias de observación sin estados ocultos etiquetados.
Mecanismo
Paso E: el forward α y el backward β calculan γ_t(i)=P(q_t=i|O,λ) y ξ_t(i,j)=P(q_t=i,q_{t+1}=j|O,λ). Paso M: se reestiman las probabilidades de transición y emisión a partir de γ/ξ. Se itera hasta la convergencia.
Casos de uso
- Entrenamiento de HMM
- Modelos de voz
- Secuencias biológicas