Pemodelan probabilitas suatu sistem dengan mencari paramter-parameter markov yang tidak diketahui untuk memperoleh analisis sistem merupakan tujuan dari metode hidden markov model. HMM mampu menangani perubahan statistik dari gambar dengan memodelkan elemen-elemen menggunakan probabilitas. Penerapannya secara langsung pada pemrosesan gambar. Untuk dapat menjalankan HMM maka perlu dicari 3 parameter, yaitu parameter a (probabilitas transisi state), parameter b (probabilitas observasi), dan parameter π (probabilitas kemunculan suatu state di awal).
Selain dalam image processing, HMM juga diterapkan dalam pemrosesan suara. Di dalam pemrosesan suara dibagikan menjadi beberapa tahap, yaitu:
- Data preparasi : pembentukan parameter vector (observasi)
- Training : inisialisasi dan estimasi parameter vector
- Testing : pengenalan
Hidden markov model merupakan kasus spesial dari bayesian inference. Oleh karena itu diperlukan pemahaman dasar mengenai kasus bayesian untuk melakukan penerapannya secara tepat. Pada logika matematika (first order logic), ketika kita memiliki premis, bila hujan maka ayu terpeleset. Pada level first order logic, apabila hujan terjadi maka terpeleset juga pasti akan terjadi. Tetapi tidak sebaliknya, apabila terpeleset, belum tentu hujan terjadi. Pada probabilistic reasoning kepastian dan ketidakpastian dikuantifikasi.
Ide utama HMM adalah menyelesaikan persoalan sequence tagging. Diberikan input x berupa sekuens (sekuens sinyal, sekuens kata, sekuens gambar, dsb). Akan dimodelkan sekuens output terbaik y untuk input tersebut. Pada bidang pemrosesan bahasa alami (natural language processing) ada hal menarik untuk mengetahui kelas kata dari kalimat. Misalnya sebuah kalimat budi menendang bola. Setelah proses POS tagging, akan didapatkan budi/noun menendang/verb bola/noun.
 |
| Sumber: https://wiragotama.github.io/resources/ebook/parts/JWGP-intro-to-ml-chap8-secured.pdf |
Markov merupakan sebuah rantai yang biasanya digunakan untuk menggambarkan proses stokastik. Yang dimaksud proses stokastik adalah hasil dari proses yang didasarkan hubungan pasti. Hubungan pasti tersebut yang kemudian dihitung dan coba digambarkan dalam rantai markov sehingga bisa dihasilkan cara pengambilan keputusan yang baik dan benar.
ref:
Komentar