おわりに

本論文では，音声認識において使用されるBaum-Welchアルゴリズムをステップ バイステップで説明した．Baum-Welchアルゴリズムの基本は $\Gamma_t (i,j)$ の計算にある． $\Gamma_t (i,j)$ は，状態遷移確率 $a_{i,j}$ とシンボル出 力確率$b_{j}(O)$ から計算する．これが期待値ステップになる．状態遷移確率 $a_{i,j}$ は $\Gamma_t (i,j)$ から再計算する．シンボル出力確率$b_{j}(O)$ は $\Gamma_t (i,j)$ から再計算する．これが最大化ステップになる．この計算を することで，尤度が向上する．これを繰り返すことで，尤度は理想的な値に接 近する．現実的には，尤度が向上しなくなったとき，繰り返し計算を止める．

HMMには，多くの応用例が考えられる． Baum-Welchアルゴリズムは，これらの 応用例に適応できる．この解説論文が，これらの役に立つことを願っている．