การต่อหรือไม่ใช้การฝึกซ้ำแต่ละครั้งโดยมีลำดับที่แตกต่างกันเป็นสิ่งที่ถูกต้อง วิธีการที่ถูกต้องต้องการคำอธิบายบางอย่าง:
โดยปกติจะฝึกอบรม HMM โดยใช้อัลกอริทึม EM. ประกอบด้วยการวนซ้ำหลายครั้ง การวนซ้ำแต่ละครั้งมี "ประมาณการ" และหนึ่งขั้นตอน "เพิ่ม" สูงสุด ในขั้นตอน "ขยาย" คุณจัดแนวเวกเตอร์การสังเกตแต่ละ x ให้กับสถานะในแบบจำลองของคุณเพื่อให้การวัดความเป็นไปได้สูงสุด ในขั้นตอน "ประมาณ" สำหรับแต่ละสถานะ s คุณประมาณ (a) พารามิเตอร์ของตัวแบบเชิงสถิติสำหรับเวกเตอร์ x ที่สอดคล้องกับ s และ (b) ความน่าจะเป็นการเปลี่ยนสถานะ ในการวนซ้ำต่อไปนี้ขั้นตอนขยายใหญ่สุดจะทำงานอีกครั้งพร้อมกับตัวแบบสถิติที่ได้รับการอัพเดท ฯลฯ กระบวนการนั้นทำซ้ำตามจำนวนครั้งที่กำหนดไว้หรือเมื่อการวัดความน่าจะเป็นหยุดลงอย่างมีนัยสำคัญ สุดท้าย (อย่างน้อยในการรู้จำเสียง) โดยทั่วไปแล้ว HMM จะมี "เริ่มต้น" ที่กำหนดไว้
ดังนั้นหากคุณมีลำดับการฝึกซ้อมหลายขั้นตอนในขั้นตอนการประมาณคุณควรเรียกใช้แต่ละลำดับเพื่อให้เวกเตอร์การสังเกตเริ่มต้นสอดคล้องกับสถานะเริ่มต้น ด้วยวิธีนี้สถิติเกี่ยวกับสถานะเริ่มต้นนั้นจะถูกรวบรวมจากการสังเกตครั้งแรกของลำดับการสังเกตทั้งหมดของคุณและในเวกเตอร์การสังเกตทั่วไปนั้นจะถูกจัดเรียงให้สอดคล้องกับสถานะที่เป็นไปได้มากที่สุดในแต่ละลำดับ คุณจะทำตามขั้นตอนสูงสุด (และการทำซ้ำในอนาคต) หลังจากลำดับทั้งหมดมีไว้สำหรับการฝึกอบรม ในการทำซ้ำครั้งถัดไปคุณต้องทำสิ่งเดียวกัน
ด้วยการจัดจุดเริ่มต้นของแต่ละลำดับการสังเกตให้อยู่ในสถานะเริ่มต้นคุณจะหลีกเลี่ยงปัญหาการเรียงลำดับที่ไม่ถูกต้องซึ่งคุณจะทำการจำลองโมเดลการเปลี่ยนระหว่างจุดสิ้นสุดของลำดับหนึ่งและจุดเริ่มต้นถัดไปอย่างไม่ถูกต้อง และด้วยการใช้ลำดับทั้งหมดในการวนซ้ำแต่ละครั้งคุณหลีกเลี่ยงการให้ลำดับที่แตกต่างกันในแต่ละการวนซ้ำซึ่งตามที่ผู้ตอบกลับกล่าวไว้จะไม่รับประกันการบรรจบกัน