Algorithme progressif-rétrogressif - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵ » par « ==Sources== »

2024-01-27T20:52:24Z

Remplacement de texte : « ↵↵<small> » par « ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 16:52
Ligne 9 :		Ligne 9 :
	== Anglais ==		== Anglais ==
	''' forward–backward algorithm'''		''' forward–backward algorithm'''
			==Sources==

	~~<small>~~

	[https://en.wikipedia.org/wiki/Forward%E2%80%93backward_algorithm Source : Wikipedia EN ]		[https://en.wikipedia.org/wiki/Forward%E2%80%93backward_algorithm Source : Wikipedia EN ]

Pitpitt le 11 mai 2021 à 16:56

2021-05-11T16:56:47Z

← Version précédente		Version du 11 mai 2021 à 12:56
Ligne 23 :		Ligne 23 :
	[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]		[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]

	[[Catégorie:~~publication]]~~		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Wikipedia-IA‏‎~~]]

Imeziani le 11 mai 2021 à 14:50

2021-05-11T14:50:26Z

← Version précédente		Version du 11 mai 2021 à 10:50
Ligne 23 :		Ligne 23 :
	[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]		[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]

	[[Catégorie:~~révision~~]]		[[Catégorie:publication]]
	[[Catégorie:Wikipedia-IA‏‎]]		[[Catégorie:Wikipedia-IA‏‎]]

ClaireGorjux le 10 mai 2021 à 18:48

2021-05-10T18:48:54Z

← Version précédente		Version du 10 mai 2021 à 14:48
Ligne 23 :		Ligne 23 :
	[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]		[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]

	[[Catégorie:~~vocabulary~~]]		[[Catégorie:révision]]
	[[Catégorie:Wikipedia-IA‏‎]]		[[Catégorie:Wikipedia-IA‏‎]]

ClaireGorjux le 10 mai 2021 à 18:47

2021-05-10T18:47:57Z

← Version précédente		Version du 10 mai 2021 à 14:47
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	Algorithme pour calculer la probabilité d'une séquence observée dans le contexte des modèles de Markov cachés.		Algorithme pour calculer la probabilité d'une séquence observée dans le contexte des modèles de Markov cachés.

	L'algorithme commence par effectuer un calcul progressif des probabilités, un calcul « en avant », qui donne la probabilité d'obtenir les k premières observations dans une séquence donnée, en terminant dans chaque état possible du modèle de Markov.

	Il effectue ensuite un calcul rétrogressif des probabilités, qui représente la probabilité d'obtenir les autres observations ultérieures à un état initial. Ces deux ensembles de probabilités peuvent être combinés pour obtenir à tout instant la probabilité de l’état caché, sachant la séquence totale des événements observés.

	== Français ==		== Français ==

ClaireGorjux le 10 mai 2021 à 18:44

2021-05-10T18:44:00Z

← Version précédente		Version du 10 mai 2021 à 14:44
Ligne 4 :		Ligne 4 :
	L'algorithme commence par effectuer un calcul progressif des probabilités, un calcul « en avant », qui donne la probabilité d'obtenir les k premières observations dans une séquence donnée, en terminant dans chaque état possible du modèle de Markov.		L'algorithme commence par effectuer un calcul progressif des probabilités, un calcul « en avant », qui donne la probabilité d'obtenir les k premières observations dans une séquence donnée, en terminant dans chaque état possible du modèle de Markov.

	Il effectue ~~également~~ ensuite un calcul rétrogressif des probabilités, qui représente la probabilité d'obtenir les autres observations ultérieures à un état initial. Ces deux ensembles de probabilités peuvent être combinés pour obtenir à tout instant la probabilité de l’état caché, sachant la séquence totale des événements observés.		Il effectue ensuite un calcul rétrogressif des probabilités, qui représente la probabilité d'obtenir les autres observations ultérieures à un état initial. Ces deux ensembles de probabilités peuvent être combinés pour obtenir à tout instant la probabilité de l’état caché, sachant la séquence totale des événements observés.

	== Français ==		== Français ==

ClaireGorjux le 10 mai 2021 à 18:43

2021-05-10T18:43:11Z

← Version précédente		Version du 10 mai 2021 à 14:43
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	Algorithme pour calculer la probabilité d'une séquence observée dans le contexte des modèles de Markov cachés.		Algorithme pour calculer la probabilité d'une séquence observée dans le contexte des modèles de Markov cachés.

	L'algorithme commence par effectuer un calcul progressif des probabilités, un calcul « en avant », qui donne la probabilité d'obtenir les k premières observations dans une séquence donnée, en terminant dans chaque état possible du modèle de Markov.		L'algorithme commence par effectuer un calcul progressif des probabilités, un calcul « en avant », qui donne la probabilité d'obtenir les k premières observations dans une séquence donnée, en terminant dans chaque état possible du modèle de Markov.
	Il effectue également ensuite un calcul rétrogressif des probabilités, qui représente la probabilité d'obtenir les autres observations ultérieures à un état initial. Ces deux ensembles de probabilités peuvent être combinés pour obtenir à tout instant la probabilité de l’état caché, sachant la séquence totale des événements observés~~. L'algorithme forward-backward peut donc être utilisé afin de trouver les états les plus probables pour un modèle de Markov à n'importe quel instant~~.
			Il effectue également ensuite un calcul rétrogressif des probabilités, qui représente la probabilité d'obtenir les autres observations ultérieures à un état initial. Ces deux ensembles de probabilités peuvent être combinés pour obtenir à tout instant la probabilité de l’état caché, sachant la séquence totale des événements observés.

	== Français ==		== Français ==

ClaireGorjux le 10 mai 2021 à 18:41

2021-05-10T18:41:35Z

← Version précédente		Version du 10 mai 2021 à 14:41
Ligne 15 :		Ligne 15 :
	<small>		<small>

	[https://en.wikipedia.org/wiki/Forward%E2%80%93backward_algorithm ~~Source :~~ Source : Wikipedia ]		[https://en.wikipedia.org/wiki/Forward%E2%80%93backward_algorithm Source : Wikipedia EN ]

	[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]		[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]
Ligne 22 :		Ligne 22 :

	[https://stanford.edu/~shervine/l/fr/teaching/cs-221/pense-bete-modeles-variables Source : Stanford ]		[https://stanford.edu/~shervine/l/fr/teaching/cs-221/pense-bete-modeles-variables Source : Stanford ]

			[https://fr.wikipedia.org/wiki/Algorithme_forward-backward Source : Wikipédia FR ]

	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]
	[[Catégorie:Wikipedia-IA‏‎]]		[[Catégorie:Wikipedia-IA‏‎]]

ClaireGorjux le 10 mai 2021 à 18:40

2021-05-10T18:40:20Z

← Version précédente		Version du 10 mai 2021 à 14:40
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	~~XXXXXXXXX~~		Algorithme pour calculer la probabilité d'une séquence observée dans le contexte des modèles de Markov cachés.
			L'algorithme commence par effectuer un calcul progressif des probabilités, un calcul « en avant », qui donne la probabilité d'obtenir les k premières observations dans une séquence donnée, en terminant dans chaque état possible du modèle de Markov.
			Il effectue également ensuite un calcul rétrogressif des probabilités, qui représente la probabilité d'obtenir les autres observations ultérieures à un état initial. Ces deux ensembles de probabilités peuvent être combinés pour obtenir à tout instant la probabilité de l’état caché, sachant la séquence totale des événements observés. L'algorithme forward-backward peut donc être utilisé afin de trouver les états les plus probables pour un modèle de Markov à n'importe quel instant.

	== Français ==		== Français ==
Ligne 9 :		Ligne 11 :
	== Anglais ==		== Anglais ==
	''' forward–backward algorithm'''		''' forward–backward algorithm'''

	The forward–backward algorithm is an inference algorithm for hidden Markov models which computes the posterior marginals of all hidden state variables given a sequence of observations/emissions {\displaystyle o_{1:T}:=o_{1},\dots ,o_{T}}{\displaystyle o_{1:T}:=o_{1},\dots ,o_{T}}, i.e. it computes, for all hidden state variables {\displaystyle X_{t}\in \{X_{1},\dots ,X_{T}\}}{\displaystyle X_{t}\in \{X_{1},\dots ,X_{T}\}}, the distribution {\displaystyle P(X_{t}\ \|\ o_{1:T})}{\displaystyle P(X_{t}\ \|\ o_{1:T})}. This inference task is usually called smoothing. The algorithm makes use of the principle of dynamic programming to efficiently compute the values that are required to obtain the posterior marginal distributions in two passes. The first pass goes forward in time while the second goes backward in time; hence the name forward–backward algorithm.

	The term forward–backward algorithm is also used to refer to any algorithm belonging to the general class of algorithms that operate on sequence models in a forward–backward manner. In this sense, the descriptions in the remainder of this article refer but to one specific instance of this class.

ClaireGorjux le 10 mai 2021 à 18:38

2021-05-10T18:38:26Z

← Version précédente		Version du 10 mai 2021 à 14:38
Ligne 1 :		Ligne 1 :
	~~==en construction==~~

	== Définition ==		== Définition ==
	XXXXXXXXX		XXXXXXXXX

	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		''' algorithme progressif-rétrogressif '''

			'''algorithme forward-backward'''

	== Anglais ==		== Anglais ==
	''' ~~Forward–backward~~ algorithm'''		''' forward–backward algorithm'''

	The forward–backward algorithm is an inference algorithm for hidden Markov models which computes the posterior marginals of all hidden state variables given a sequence of observations/emissions {\displaystyle o_{1:T}:=o_{1},\dots ,o_{T}}{\displaystyle o_{1:T}:=o_{1},\dots ,o_{T}}, i.e. it computes, for all hidden state variables {\displaystyle X_{t}\in \{X_{1},\dots ,X_{T}\}}{\displaystyle X_{t}\in \{X_{1},\dots ,X_{T}\}}, the distribution {\displaystyle P(X_{t}\ \|\ o_{1:T})}{\displaystyle P(X_{t}\ \|\ o_{1:T})}. This inference task is usually called smoothing. The algorithm makes use of the principle of dynamic programming to efficiently compute the values that are required to obtain the posterior marginal distributions in two passes. The first pass goes forward in time while the second goes backward in time; hence the name forward–backward algorithm.		The forward–backward algorithm is an inference algorithm for hidden Markov models which computes the posterior marginals of all hidden state variables given a sequence of observations/emissions {\displaystyle o_{1:T}:=o_{1},\dots ,o_{T}}{\displaystyle o_{1:T}:=o_{1},\dots ,o_{T}}, i.e. it computes, for all hidden state variables {\displaystyle X_{t}\in \{X_{1},\dots ,X_{T}\}}{\displaystyle X_{t}\in \{X_{1},\dots ,X_{T}\}}, the distribution {\displaystyle P(X_{t}\ \|\ o_{1:T})}{\displaystyle P(X_{t}\ \|\ o_{1:T})}. This inference task is usually called smoothing. The algorithm makes use of the principle of dynamic programming to efficiently compute the values that are required to obtain the posterior marginal distributions in two passes. The first pass goes forward in time while the second goes backward in time; hence the name forward–backward algorithm.
Ligne 21 :		Ligne 21 :

	[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]		[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ]

			[https://archipel.uqam.ca/7009/1/M13570.pdf Source : UQAM ]

			[https://stanford.edu/~shervine/l/fr/teaching/cs-221/pense-bete-modeles-variables Source : Stanford ]

	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]
	[[Catégorie:Wikipedia-IA‏‎]]		[[Catégorie:Wikipedia-IA‏‎]]