Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
We gebruiken cookies om:
De website vlot te laten werken, de beveiliging te verbeteren en fraude te voorkomen
Inzicht te krijgen in het gebruik van de website, om zo de inhoud en functionaliteiten ervan te verbeteren
Je op externe platformen de meest relevante advertenties te kunnen tonen
Je cookievoorkeuren
Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Technische en functionele cookies
Deze cookies zijn essentieel om de website goed te laten functioneren, en laten je toe om bijvoorbeeld in te loggen. Je kan deze cookies niet uitschakelen.
Analytische cookies
Deze cookies verzamelen anonieme informatie over het gebruik van onze website. Op die manier kunnen we de website beter afstemmen op de behoeften van de gebruikers.
Marketingcookies
Deze cookies delen je gedrag op onze website met externe partijen, zodat je op externe platformen relevantere advertenties van Standaard Boekhandel te zien krijgt.
Je kan maximaal 250 producten tegelijk aan je winkelmandje toevoegen. Verwijdere enkele producten uit je winkelmandje, of splits je bestelling op in meerdere bestellingen.
Standard first-order Hidden Markov Models (HMMs) are very popular tools for the analysis of sequential data in applied sciences. HMMs are versatile and structurally simple models enabling probabilistic modeling based on a sound theoretical grounding. In contrast to the broad usage of first-order HMMs, applications of higher-order HMMs are very rare, but they have been proven to be powerful extensions of first-order HMMs including applications in speech recognition, image segmentation or computational biology. This book provides the first easily accessible and comprehensive extension of the algorithmic basics of first-order HMMs to higher-order HMMs coupled with practical applications in computational biology. The book starts with a theoretical part developing the algorithmic basics of higher-order HMMs and two novel model extensions (i) parsimonious higher-order HMMs and (ii) HMMs with scaled transition matrices. The second part considers applications of these models to the analysis of different DNA microarray data sets followed by a detailed discussion. The book addresses readers having basic knowledge on first-order HMMs interested to gain more insights on higher-order HMMs.