آموزش تمایزی مدل مخفی مارکوف با بکارگیری الگوریتم PSO
Publish place: 12th Annual Conference of Computer Society of Iran
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,025
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:
ACCSI12_041
تاریخ نمایه سازی: 23 دی 1386
Abstract:
مدل مخفی مارکوف (HMM) جهت مدلسازی دنباله های تصادفی با ساختار حالت متناهی مورد استفاده قرار می گیرد. به دلیل وجود الگوریتم های قوی و کارای بیشت رین درست نمایی جهت یافتن پارامترهایHMM این روش به عنوان یک ابزار مدلسازی موفق ، مطرح گردیده است. با استفاده از دادگان آموزشی مناسب، پارامترهای یک مدل با ساختار معلوم را می توان با تخمین خوبی به دست آورد، اما در عمل تضمینی برای دستیابی به بهینه سراسر ی وجود ندارد. عدم توجه به دقت بازشناسی یا به عبارت دیگر آموزش مستقل هر مدل، از دیگر معایب این الگوریت مهای آموزش است. روشهایی برای رفع این معایب ارائه شده اند، که یا به دلیل مشکلاتعددی از کارایی لازم برخوردار نیستند و یا فاقد پایه نظری قوی جهت تضمین همگرایی میباشند. در این مقاله الگوریتمPSO
جهت آموزش تمایزی مدل مخفی مارکوف پیوسته در یک سیستم بازشناسی گفتار فارسی بکار گرفته م ی شود ؛ هدف آن است که با استفاده از قابلیت الگوریتمPSO در جستجوی بهینه سراسری فضای راه حل مساله و با استفاده از مفاهیم آموزش تمایزی، دقت بازشناسی سیستم بهبود یابد . نتایج آزمایشات نشان م ی دهد که با استفاده از این روش، خطای بازشناسی نسبت به آموزشHMM
با روشهای مبتنی بر بیشترین درست نمایی، 3,36 درصد کاهش یافته است.
Keywords:
Authors
هدیه ساجدی
دانشجوی دکتری، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
حسین ثامتی
استادیار، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
حمید بیگی
استادیار، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
باقر باباعلی
دانشجوی دکتری، دانشگاه صنعتی شریف، دانشکده مهندسی کامپیوتر
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 :