Les modèles de Markov cachés ont été utilisés de manière intensive en reconnaissance automatique de la parole. Dans ce domaine, les signaux sont codés comme des variations temporelles de spectres de courte durée. L'application des HMM s'étend maintenant à des domaines tels que la reconnaissance des formes, le traitement du signal, l'analyse de séquences en biologie, le diagnostic, la modélisation et la commande des sytèmes dynamiques. Ils sont bien adaptés à la classification de signaux mono ou bidimensionnels. Un HMM est un double processus stochastique dont un processus sous-jacent non observable mais pouvant être estimé à partir d'un ensemble de processus qui produisent une séquence d'observations. Ils peuvent être utilisés pour le traitement de problèmes dans lesquels l'information est incertaine et incomplète. Leur utilisation nécessite deux étapes : une étape d'apprentissage où le processus stochastique est estimé à partir d'observations extensives et une étape de mise en uvre où le modèle peut être utilisé en temps réel pour obtenir les séquences de probabilités maximales. Les modèles de Markov cachés tirent leur succès de l'existence de nombreux algorithmes efficaces et sûrs.
Cette boîte à outils a été développée dans l'environnement SciLab. On trouvera dans cette boîte à outils les méthodes traditionnelles pour l'apprentissage. Ces méthodes couvrent d'ailleurs l'apprentissage mais aussi les phases de reconnaissance. En plus de ces méthodes, les auteurs ont développé un apprentissage efficace basé sur le recuit simulé et les algorithmes de classification.
Les modèles peuvent être utilisés avec des observations continues ou discrètes. La boîte à outils a été utilisée sur de nombreux exemples différents afin de tester sa robustesse et sa fiabilité. Elle est structurée de façon à permettre son extension par l'utilisateur qui peut, à partir des éléments de base, construire de nouvelles fonctions. De nombreuses autres méthodes sont disponibles pour les HMM et les auteurs travaillent à étendre la boîte à outils pour couvrir certaines d'entre elles.
Une autre boîte à outils basée sur la première a également été développée. Elle effectue de la détection de défauts en utilisant les HMM.
Les versions en accès gratuit, annuellement révisées de ces boîtes à outils sont accessibles par ftp anonymous aux adresses suivantes :
Elles sont distribuées sous forme de code source et en version binaire pour les systèmes d'exploitation Windows xx-NT et Unix (ou Linux).