说明了下书中的符号体系和Rabiner的文章

CH10/README.md

@@ -21,6 +21,10 @@
    1. 近似算法
    1. 维特比算法
 
+
+
+我记得在[第六章](../CH06/README.md)有一个经典的文献介绍最大熵的原理的, 例子是语言翻译. 这章有个类似的文献就是书中给出的前两个参考文献[^4], 书中的符号体系和书中的参考文献1的保持一致.
+
 动态贝叶斯网络的最简单实现隐马尔可夫模型. HMM可以看成是一种推广的混合模型.
 
 序列化建模, 打破了数据独立同分布的假设.
@@ -251,6 +255,7 @@ $$
 >
 >
 >
+>
 
 - 这里需要**注意**下, 按照后向算法, $\beta$在递推过程中会越来越小, 如果层数较多, 怕是$P(O|\lambda)$会消失
 - 另外一个要注意的点$\color{red}o_{t+1}\beta_{t+1}$
@@ -387,6 +392,8 @@ $$
 
 ## 参考
 
+1. [^4]: A tutorial on hidden Markov models and selected applications in speech recognition
+
 1. [^1]: [数学之美-CH05隐含马尔可夫模型, 吴军]()
 
 1. [^2]: [hhmlearn](https://hmmlearn.readthedocs.io/en/latest/tutorial.html)