ในทางสถิติฟิลด์สุ่มมาร์คอฟแบบซ่อนเร้น (Hidden Markov Random Field)เป็นการขยายความของแบบจำลองมาร์คอฟแบบซ่อนเร้น (Hidden Markov Model) โดยแทนที่จะมีห่วงโซ่มาร์ค อฟพื้นฐาน ฟิลด์สุ่มมาร์คอฟแบบซ่อนเร้น จะมีฟิลด์สุ่มมาร์คอฟ พื้นฐานอีกตัวหนึ่ง

สมมติว่าเราสังเกตตัวแปรสุ่มตัวหนึ่ง${\displaystyle Y_{i}}$, ที่ไหน${\displaystyle i\in S}$แบบจำลอง Hidden Markov Random Fields สมมติว่าลักษณะเชิงความน่าจะเป็นของ${\displaystyle Y_{i}}$ถูกกำหนดโดยสนามสุ่มมาร์คอฟ ที่ไม่สามารถสังเกตได้${\displaystyle X_{i}}$,${\displaystyle i\in S}$นั่นคือ เมื่อพิจารณาจากเพื่อนบ้าน${\displaystyle N_{i}}$ของ${\displaystyle X_{i},X_{i}}$เป็นอิสระจากสิ่งอื่นทั้งหมด${\displaystyle X_{j}}$(คุณสมบัติของมาร์คอฟ) ความแตกต่างหลักกับแบบจำลองมาร์คอฟแบบซ่อนเร้นคือ บริเวณใกล้เคียงไม่ได้ถูกกำหนดในมิติเดียว แต่ถูกกำหนดภายในเครือข่าย กล่าวคือ${\displaystyle X_{i}}$สามารถมีเพื่อนบ้านได้มากกว่าสองรายเหมือนในแบบจำลองมาร์คอฟเชนแบบจำลองนี้ถูกกำหนดขึ้นในลักษณะที่ว่า เมื่อกำหนด${\displaystyle X_{i}}$,${\displaystyle Y_{i}}$เป็นอิสระต่อกัน ( ความเป็นอิสระแบบมีเงื่อนไขของตัวแปรที่สังเกตได้ เมื่อกำหนดฟิลด์สุ่มมาร์คอฟ)

ในเอกสารที่เกี่ยวข้องส่วนใหญ่ จำนวนสถานะแฝงที่เป็นไปได้ถือเป็นค่าคงที่ที่ผู้ใช้กำหนด อย่างไรก็ตาม แนวคิดจากสถิติเบย์เซียน แบบไม่ใช้พารามิเตอร์ ซึ่งช่วยให้สามารถอนุมานจำนวนสถานะตามข้อมูลได้นั้น ได้รับการศึกษาและประสบความสำเร็จเมื่อเร็ว ๆ นี้เช่นกัน เช่น^{[ 1 ]}

• แบบจำลองมาร์คอฟที่ซ่อนอยู่
• เครือข่ายมาร์คอฟ
• เครือข่ายเบย์เซียน