Úkoly k vypracování:

• Okupační věrohodnost ve stavech HMM modelu
  • Ve vytvořené funkci myviterbi uložte také matici dopředných pravděpodobností alfa příslušných každému stavu a časovém okamžiku při průchodu HMM modelem.
  • Analogicky k funkci myviterbi vytvořte také funkci mybackviterbi realizující zpětný výpočet pravděpodobosti průchodu HMM modelem na bázi Viterbiho algoritmu (tj. od posledního stavu k prvnímu s pravděpodobnostmi beta). Vstupem dané funkce bude opět matice příznakových vektorů (kepster) a zvolený HMM model. Výstupem bude v prvním kroku celková pravděpodobnost průchodu modelem optimální cestou a matice pravděpodobností beta v každém stavu a časovém okamžiku.
  • 1. kontrolovaný výsledek (bez bodového hodnocení): Zobrazte pro testovací promluvy P0, P1 a P2 a HMM model AEIOU
    • vypočítané dopřené a zpětné pravděpodobnosti průchodu HMM modelem,
    • okupační věrohodnost jednotlivých stavů v každém časovém okamžiku (pozor, je potřeba nastavit stejné měřítko barevné stupnice pro zobrazení uvedených pravděpodobností pro promluvy P0, P1 a P2).

  • Vyzkoušejte výpočet pravděpodobnosti standardní dopřednou resp. zpětnou procedurou.