为什么现在的很多应用中,RNN已逐渐取代隐藏的马尔可夫模型(HMM)?
0 1283
1

与HMM相比,RNN有什么优势呢?

收藏
2021-01-21 16:11 更新 天明 •  1290
共 1 个回答
高赞 时间
0

以下是我总结的HMM和RNN的适用性之间的一些差异:

首先,HMM比RNN更简单。所以,对于任何两种复杂程度不同的算法,当你的数据很少时,你会选择更简单的模型,当你的数据更多时,你会选择更复杂的模型。

与上一点相关,HMM做出了马尔可夫假设,即假设当前的状态仅依赖于先前的状态。因此,如果你的数据大致满足该假设,则HMM可能是首选方法,因为RNN可能会找到虚假的模式,从而导致过拟合现象。如果你的数据不满足该假设,则应该使用RNN。

如果使用HMM,输入和输出将具有一一对应的关系。例如,在词性标记中,输入中的每个单词都映射到单个POS。因此,相比于从一种语言翻译成另一种语言的任务,HMM在这里可能更合适。在该任务中,如果一种语言中的多个单词可以映射到另一种语言中的单个单词,那么在这种情况下,应该使用RNN。

另外,HMM是生成模型,而RNN主要是判别模型。因此,如果你的任务需要对数据的生成方式进行建模,则无法使用RNN。

收藏
2021-01-21 16:27 更新 Lisa •  1796