Cours

Cours 7: chaine de Markov cachée

Contenu du cours

  1. Reflexions sur l'évaluation et les biais d'évaluation des algorithmes probabilistes :
  2. Rappels sur les chaines de Markov :
  3. Introduction des modèles MMC (cachés) : Formalisation, Expressivité
  4. Problèmes classiques des MMC (Rabiner) :
  5. Evaluation : Algorithme alpha (forward)
  6. Décodage : Algorithme delta (forward) + décodage (backward) = Viterbi
  7. Retour sur les stratégies de résolution MMC : approches récursives {$\alpha, \delta, \Psi$}
  8. Baum-Welch simplifié : un algorithme intuitif
  9. Baum-Welch complet (EM) : résolution d'un problème non convexe, initialisation(s), critère d'arrêt
  10. Observations continues, modèles multi-variés :

Poly: pdf

TD

Recueil de TD : cf semaine 1 (poly complet)

TME

Sujet bio-info (HMM modélisation): lien

Sujet alternatif pour coder par vous-même Viterbi: lien

  • Soumission des TME : lien

Bibliographie et références utiles