استفاده از اتوماتون یادگیر با عمل پیوسته برای آموزش سراسری مدل پنهان مارکف

یکی از ابزارهای بسیار قدرتمند در پردازش فرآیندهای اتفاقی و دنباله های تصادفی مدل پنهان مارکف HMMیا میباشد. مشهورترین روش آموزش مدل پنهان مارکف روش بام – ولش BW است که یک روش آموزش (جستجوی) محلی بوده و در دام بهینه های محلی گرفتار می آید. در این تحقیق از روشهای جستجوی سراسری مبتنی بر سرد کردن فلزات (SA) و برای اولین بار از روش مبتنی بر اتوماتون یادگیر تقویتی با مقدار عمل پیوسته (CARLA) برای آموزش مدل پنهان مارکف استفاده کرده ایم. آزمایشها نشان می دهند که روش CARLA نسبت به SA بهتر عمل می کند. این برتری بدان دلیل است که روش SAیک روش بدون حافظه است، در حالیکه روش CARLA یک روش حافظه دار بوده و نیز نسبت به SA دارای رزولوشن بیشتری برای تعیین دقیق پارامترها می باشد.

Keywords:

مدل پنهان مارکف , سرد کردن فلزات , اتوماتون یادگیر تقویتی با مقدار عمل پیوسته , جستجوی سراسری , بهینه سازی سراسری