En una cadena de Markov oculta (Hidden Markov Model), los estados reales del sistema no son observables directamente; en cambio, se observan señales que dependen probabilísticamente de esos estados ocultos, y el objetivo es inferir la secuencia de estados más probable a partir de esas observaciones visibles.
Dónde se usan
Fueron ampliamente usadas en reconocimiento de voz (los estados ocultos representando sonidos del habla) y en bioinformática (para identificar regiones funcionales dentro de una secuencia de ADN), antes de que los modelos de deep learning se volvieran dominantes en muchas de esas aplicaciones.