WikiEdge:ArXiv-2409.06295v1/terms
跳至導覽
跳至搜尋
這篇文章的術語表如下：
- 隱馬爾可夫模型（Hidden Markov Model, HMM）：一種統計模型，用來描述含有隱含未知參數的馬爾可夫過程。在本文中，HMM被用來處理具有隱藏狀態的時序數據。
- 最大似然估計（Maximum Likelihood Estimation, MLE）：一種估計統計模型參數的方法，通過最大化觀測數據的似然函數來確定參數值。
- 幾何遍歷（Geometric Ergodicity）：一個隨機過程的性質，指的是該過程以幾何速率收斂到其不變分佈。
- 混合率（Mixing Rate）：描述馬爾可夫鏈或過程混合速度的參數，通常與幾何遍歷性質相關。
- Doeblin 條件（Doeblin Condition）：一種確保馬爾可夫鏈具有唯一不變測度且幾何遍歷的條件。
- 分支馬爾可夫鏈（Branching Markov Chain）：一種特殊的隨機過程，其中每個狀態可以生成多個子狀態，形成樹狀結構。
- 一致性（Consistency）：在統計學中，如果一個估計量在樣本量趨於無窮大時以概率收斂到真實參數值，則稱該估計量是一致的。
- 漸近正態性（Asymptotic Normality）：當樣本量趨於無窮大時，估計量的分佈趨於正態分佈的性質。
- Fisher 信息（Fisher Information）：用于衡量統計模型中參數可識別性的度量，也是估計參數精確度的一個重要指標。