@prefix owl: . @prefix skos: . @prefix dc: . @prefix xsd: . a owl:Ontology, skos:ConceptScheme . skos:altLabel "HMM"@fr, "HMM"@en ; skos:example "Un modèle de Markov caché du premier ordre est un couple de processus aléatoires (X t, Y t) t≥1 tel que (X t) t≥1 est une chaine de Markov homogène à valeurs dans l'ensemble des états cachés S, ainsi : a ij = la probabilité de transition de l'état s i à l'état s j et la matrice A=(a ij) ij est appelée matrice de transition, et (Y t) t≥1 est un processus observable à valeurs dans l'ensemble des observations O vérifiant : b i (k) = la probabilité d'observer l'état o k étant donné l'état s i et la matrice B=(b i (k)) ik est appelée matrice d'émission. (Chennoufi & Mazroui, 2014)"@fr, "Le HMMTagger nécessite pour cela un modèle de Markov caché pour la langue à traiter. (Dejean, Fortun, Massot, Pottier, Poulard & Vernier, 2010)"@fr, "Le modèle HMM est une généralisation du modèle IBM 2 (Vogel et al.) (Bourdaillet, Huet & Langlais, 2010)"@fr ; skos:definition "Modèle statistique qui ne prend en compte que seuls certains résultats observables connus par l’utilisateur, mais les états du processus qui causent ces résultats sont inconnus, donc « cachés ». (Data Franca)"@fr, "A statistical model to capture hidden information from observable sequential symbols (Adapted from Franzese & Iuliano, Encyclopedia of Bioinformatics and Computational Biology, 2019)"@en ; skos:inScheme ; skos:hiddenLabel "Hidden Markov model"@en, "Modèle de Markov caché"@fr ; skos:prefLabel "modèle de Markov caché"@fr, "hidden Markov model"@en ; skos:broader , ; a skos:Concept ; dc:modified "2024-10-17T14:22:54"^^xsd:dateTime ; skos:exactMatch . skos:prefLabel "foundation model"@en, "modèle de fondation"@fr ; a skos:Concept ; skos:narrower . skos:prefLabel "modèle de Markov"@fr, "Markov model"@en ; a skos:Concept ; skos:narrower .