Model Markov Tersembunyi (HMM) adalah jenis algoritma probabilistik yang digunakan dalam banyak aplikasi dalam ilmu komputer, termasuk pengenalan suara dan bioinformatika. HMM melibatkan penggunaan serangkaian distribusi probabilitas pada serangkaian kemungkinan status hasil suatu proses untuk menentukan kemungkinan setiap kemungkinan rangkaian peristiwa atau observasi.
HMM biasanya digunakan dalam tugas pembelajaran mesin dan kecerdasan buatan. Misalnya, mereka digunakan untuk mengidentifikasi pola dalam data sekuens, seperti rangkaian kata dalam ucapan, not musik dalam musik, atau penanda biologis dalam DNA dan protein. HMM terdiri dari sekumpulan status, yang masing-masing sesuai dengan distribusi probabilitas tertentu. Probabilitas transisi antar negara bagian mengatur bagaimana satu negara bagian ditransisikan ke negara bagian lainnya. Pengamatan dilakukan dan probabilitas pengamatan setiap nilai, pada gilirannya, terkait dengan keadaan model saat ini. Transisi dan observasi digunakan untuk mendapatkan jalur yang paling mungkin melalui model.
Saat diterapkan pada pengenalan suara, HMM digunakan untuk ekstraksi fitur (atau pemodelan akustik). HMM dipelajari dari contoh audio (kata-kata tertulis atau lisan) dan digunakan untuk mendeteksi suara dalam ucapan langsung. Hal ini dilakukan dengan melatih HMM dengan rangkaian audio (ucapan) yang diketahui dan kemudian menggunakannya untuk mengenali rangkaian audio yang tidak diketahui.
HMM juga digunakan dalam bioinformatika. Di sini, mereka digunakan untuk menganalisis kemungkinan mengamati urutan DNA atau protein tertentu. Hal ini sering dilakukan untuk mengidentifikasi dan membandingkan urutan gen, atau untuk mendeteksi elemen pengatur seperti promotor dan peningkat. HMM juga digunakan untuk menganalisis data medis, seperti detak jantung.
HMM adalah alat serbaguna dan efektif untuk berbagai tugas komputasi. Dengan menganalisis urutan dan mempelajari kemungkinan transisi dari satu keadaan ke keadaan lain, HMM dapat mengidentifikasi pola dalam data dan dapat memberikan wawasan yang berguna untuk berbagai disiplin ilmu.
