مقایسه الگوریتم پرندگان و الگوریتم جستجوی گرانشی بهبود یافته در آموزش مدل پنهان مارکوف
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,308
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCSCIT01_061
تاریخ نمایه سازی: 19 بهمن 1390
Abstract:
در این مقاله برای بهبود آموزش مدل پنهان مارکوف (HMM) از روش بهینه سازی الگوریتم پرندگان (PSO) و روش جدیدی مبتنی بر روش جستجوی رانشی بهبود یافته (MGSA) استفاده شده است. آموزش HMM مبتنی بر الگوریتم بام ولش (BW) می باشد. یکی از مشکلات آموزش HMM نبود هیچگونه تضمینی برای رسیدن این الگوریتم به بهینه سراسری و اغلب همگرایی این روش به یک بهینه محلی است. در این مقاله از دو روش متفاوت جستجوی گرانشی بهبود یافته و PSO که از تکنیک های هوش مصنوعی هستند برای خارج کردن بام ولش از بهینه محلی و جستجو برای سایر نقاط بهینه استفاده شده است. در نهایت نیز برای مقایسه دو روش فوق از آنها در بازشناسی گفتار استفاده شده است.
Keywords:
Authors
مهدی فرامرزی
گروه برق کنترل - دانشگاه آزاد اسلامی واحد گناباد
رضا معاشری
گروه برق کنترل - دانشگاه آزاد اسلامی واحد گناباد
مجتبی روحانی
استادیار برق کنترل - دانشگاه آزاد اسلامی واحد گناباد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :