sannolikhetsavkodning

Sannolikhetsavkodning är en generell benämning på metoder som använder sannolikhetsmodeller för att återställa eller tolka ursprunglig information från kodade eller brusförvanskade data. Begreppet täcker både avkodning i informations- och felkorrigeringsteori, där mottagaren använder sannolikhetsbedömningar om fel och kanalbeteenden, och statistisk/sekvensmodellering inom områden som taligenkänning och maskinöversättning.

I kodningsteori innefattar sannolikhetsavkodning tekniker som maximum a posteriori (MAP) och maximum likelihood (ML) för att välja den mest sannolika kodordet, samt så kallad soft-decision-avkodning där mottagarens osäkerhet beaktas. Algoritmer som belief propagation för LDPC-koder och turboavkodning är exempel på iterativa sannolikhetsbaserade metoder. Inom datakompression används sannolikhetsmodeller vid aritmetisk avkodning och liknande tekniker för att mappa kodströmmar till symbolsekvenser.

I statistisk språk- och sekvensbehandling handlar sannolikhetsavkodning om att söka fram högst sannolika sekvenser givet en modell, med metoder som Viterbi, beam search eller stokastisk provtagning. Vanliga utvärderingsmått är log-sannolikhet, korsentropi och felprocent.

Utmaningar inkluderar modellbias, beräkningskomplexitet och hantering av osäkerhet i små datamängder. Praktiska lösningar balanserar ofta mellan exakthet och effektivitet genom approximativa eller heuristiska algoritmer.