بهینه سازی پارامترهای مدل مخفی مارکوف با استفاده از الگوریتم بهینه سازی شیر مورچه برای کاربردهای یادگیری ماشین
عنوان مقاله: بهینه سازی پارامترهای مدل مخفی مارکوف با استفاده از الگوریتم بهینه سازی شیر مورچه برای کاربردهای یادگیری ماشین
شناسه ملی مقاله: AITIM01_029
منتشر شده در اولین کنفرانس فرصت ها و چالش های هوش مصنوعی و فناوری های نوین در صنعت و معدن در سال 1403
شناسه ملی مقاله: AITIM01_029
منتشر شده در اولین کنفرانس فرصت ها و چالش های هوش مصنوعی و فناوری های نوین در صنعت و معدن در سال 1403
مشخصات نویسندگان مقاله:
محمد سروری - عضو هیات علمی دانشکده فنی فردوس، دانشگاه بیرجند، بیرجند، ایران
خلاصه مقاله:
محمد سروری - عضو هیات علمی دانشکده فنی فردوس، دانشگاه بیرجند، بیرجند، ایران
مدل مخفی مارکوف، یک مدل آماری جهت رخداد وقایع در کاربردهای یادگیری ماشین می باشد. این مدل از چندین حالت مخفی و چندین حالت قابل مشاهده تشکیل شده که حالات مخفی با یک احتمال مشخص میتوانند باعث تولید حالات قابل مشاهده شوند. برای آموزش پارامترهای مدل مخفی مارکوف، تاکنون الگوریتم های زیادی معرفی و مورد استفاده قرار گرفته اند. در این مقاله، آموزش پارامترهای مدل مخفی مارکوف توسط الگوریتم بهینه سازی شیر مورچه ارائه شده است. در روش پیشنهادی مارتریس احتمالات گذر مدل مخفی مارکوف، با استفاده از الگوریتم بهینه سازی شیر مورچه مدلسازی و بهینه شده است. شبیه سازی ها و نتایج مربوطه نشان می دهد که الگوریتم بهینه سازی شیر مورچه بخوبی می تواند ماتریس احتمالات گذر الگوریتم مدل مخفی مارکوف را آموزش داده و آن را مدل سازی کند.
کلمات کلیدی: یادگیری ماشین، مدل مخفی مارکوف، الگوریتم بهینه سازی شیر مورچه، ماتریس احتمالات گذر، مدل سازی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/2039339/