کاهش زمان محاسبه احتمال رویت یک مشاهده در یک حالت از مدل مخفی مارکوف در بازشناسی گفتار
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 605
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICS12_162
Index date: 2 August 2014
کاهش زمان محاسبه احتمال رویت یک مشاهده در یک حالت از مدل مخفی مارکوف در بازشناسی گفتار abstract
بازشناسی گفتار بیشتر بر روی کامپیوترهایی با توان پردازشی بالا مورد استفاده قرار گرفته است. برای اجرای این الگوریتمها بر روی س یس تم های با توان پردازشی و حافظه محدود مثل تلفن همراه و سیستمهای نهفته لازمست که این روشها بهینهسازی شوند. درس یس تمهای بازش ناس ی گفتار مبتنی بر مدل مخفی مارکوف از الگوریتم ویتربی برای پیدا کردن بهترین نتیجه در مرحله آزمایشاس تفاده میش ود. محاس به احتمال رویت یک مش اهده در یک حالت از مدل مخفی مارکوف پیچیدهترین بخش الگوریتم ویتربی میباش د. یکی از روشهای کاهش حجم محاس به احتمال مش اهدهها خوش هبندی توزیع مولفههای گاوس ی مدل مخفی مارکوفمیباش د. در این روشها خوش هها به همراه میانگین و واریانس خوش هبندی میش وند. در این مقاله برخلاف این روشها مقادیر میانگین و واریانس توزیعهای مولفههای گاوس ی مدل مخفی مارکوف جداگانه در نظر گرفته ش ده و خوش ه بندی میشوند. در روش پیشنهادی با کاهش 27 درصدی ضریب بلادرنگی نرخ خطای کلمه تنها به میزان 8.0 افزایش مییابد
کاهش زمان محاسبه احتمال رویت یک مشاهده در یک حالت از مدل مخفی مارکوف در بازشناسی گفتار Keywords:
بازشناسی گفتار مدل مخلوط گاوسی الگوریتم ویتربی محاسبه احتمال رویت یک مشاهده در یک حالت خوشهبندی
کاهش زمان محاسبه احتمال رویت یک مشاهده در یک حالت از مدل مخفی مارکوف در بازشناسی گفتار authors
امیر بادامچی قندی
آزمایشگاه پردازش هوشمند دادههای چندرسانهای، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر
محمدمهدی همایونپور
آزمایشگاه پردازش هوشمند دادههای چندرسانهای، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر
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 :