استفاده از رویکرد تطبیقی به منظور بهبود عملکرد الگوریتم های پیشرو و پسرو
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 650
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_127
تاریخ نمایه سازی: 22 مهر 1394
Abstract:
به طور معمول در یادگیری و تعیین پارامتر ها در کاربردهای مختلف مدل مخفی مارکوف نظیر محاسبه حل مسئله ارزیابی در الگوریتم های پیشرو و پسرو، از آماره هایی مانند میانگین استفاده می شود. در این راستا برای استفاده از آماره میانگین در تعیین پارامتر های مدل مخفی مارکوف، فرضیه های ایستا برای فرآیند تولید داده ها در نظر گرفته می شود. در صورتیکه در یک محیط غیر ایستا، پارامترهای مدل همانند پارامتر احتمال رویداد سمبل مشاهدات تولید شده توسط حالات، بین رویداد های متوالی به طور مستقیم تغییر می کند. از آنجا که مقدار احتمال پارامتر ذکر شده نقش بسیار مهمی در ارزیابی صحیح احتمال رویداد مشاهدات در مسئله ارزیابی توسط الگوریتم های پیشرو و پسرو دارد، لذا تغییرات بین رویداد ها و مشاهدات تولید شده توسط حالات باید بصورت خودکار استخراج شود. برای این منظور در این مقاله یک پارامتر تطبیق دهنده احتمال رویداد، جهت تطبیق و اعمال تغییرات در پارامتر بعد از هر رویداد در طول عمر الگوریتم های پیشرو و پسرو، ارائه شده است. نتایج آزمایشات بر روی مجموعه داده های واقعی عملکرد بهتر روش پیشنهادی را از نظر دقت نسبت به روش های دیگر نشان می دهد.
Keywords:
Authors
نادر رضازاده
دانشگاه آزاد اسلامی قزوین، واحد علوم و تحقیقات، گروه آموزشی برق و الکتونیک، قزوین
امید سجودی شیجانی
دانشگاه آزاد اسلامی قزوین، گروه آموزشی کامپیوتر و مهندسی تکنولوژی اطلاعات، قزوین
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 :