米国の研究は数学ノート（続きます）
- チャーム数理モデル化アルゴリズム
まず、数学的な確率統計モデル|アプリケーション中国語の単語
隠れパラメータ（マルコフ連鎖）によって推定されたプロセスパラメータ（状態遷移列）を観察するだけでなく、パラメータ間の暗黙の関係（遷移確率）。
マルコフの仮定：
状態遷移は、nが1つので撮影したマルコフの仮定である場合にのみ、nの前の状態に依存します。
独立の仮定：いつでも観察と仮定だけで、他の観察状態の独立したマルコフ連鎖その時の状態に依存します。
例えば1：
いくつかの異なるサイコロで出て振って、おそらく何サイコロと最後に、一連の数字に直面しています。
前提（出力確率）：既知の各サイコロの確率と各番号。
例2：
一日の活動の種類によって、その日の天候ことを示唆しています。
前提（出力確率）：各天候の下で、各活動の発生の既知の確率。
音声認識：
音声O1、O2、O3スピーチに推定テキストが（コンピュータに発行されたユーザの指示を特定するだけでなく、単純なテキスト翻訳）S1、S2、S3を言いたいです。
ソフトウェアの役割のためのアルゴリズム：ちょうど時間の最近の短い期間の短い要約を学ぶよりも、前方の道路が長く来るであろう、だけでなく、前面と背面にはまだように機能、特定のマトリックスの使用を理解する必要があります。学習のモデルでは、高度な数学的知識ベースは、高さが、アルゴリズム的思考の高さであると判断し、まとめることができ、思考を達成することができ、優れ必ずしも達成するために任意のソフトウェアアルゴリズムの固体の基本的なスキルを必要としています。研究では、学習ステップのあいまいな知識を理解することは私にとって難しい要約したものです。ブログのオンライン優れた概要を見て、彼らは、入力を容易に知識を説明するために、単純な（サイコロ、気象現象）や他の例を使用し、優れた紙を見に続いて、困難アルゴリズム的思考はゆっくり食べ必要です。
質問を残す：なぜ必要がありますPへの音声認識（O1 ... | S1 ...） ？これで、音声認識、P（01 ... | S1 ... ） やP（S1、S2、S3、 ... | O1、O2、O3 ...） どのように計算しますか？
研究の参照：
http://www.52nlp.cn/hmm-learn-best-practices-four-hidden-markov-models
https://www.cnblogs.com/bigmonkey/p/7230668.html （重点推荐入门点击！！！）
https://wiki.mbalib.com/wiki/%E9%9A%90%E9%A9%AC%E5%B0%94%E6%9F%AF%E5%A4%AB
https://www.cnblogs.com/skyme/p/4651331.html
关于代码规范：
《高质量C++/C编程指南》作者： 林锐
https://wenku.baidu.com/view/07631b604a73f242336c1eb91a37f111f1850d37.html
展望：本学期想利用自己学到的知识做一个应用数学模型的“预判”小程序。