سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارائه یک روش جدید برای آموزش بهینه مدل پنهان مارکف

سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,164

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE11_019

تاریخ نمایه سازی: 18 تیر 1391

چکیده مقاله ارائه یک روش جدید برای آموزش بهینه مدل پنهان مارکف

یکی از ابزارهای بسیار قدرتمند در پردازش فرآیندها ی اتفاقی و دنباله های تصادفی مدل پنهان مارکف یاHMM میباشد . مشهورترین روش آموزشمدل پنهان مارکف روش با م -ولشBW است که یک روش آموزش (جستجوی) محلی بوده و در دام بهینه های محلی گرفتار می آید . در این تحقیق ازروشهای جستجوی سراسری مبتنی بر سرد کردن فلزاتSA استفاده کردیم . همچنین یک روشSA حافظه دار و کاملاً جدید بنام MiPSA نیز ارائه داده ایم که دارای راندمان بالاتری نسبت بهSA های بدون حافظه است . آزمایشها نشان داد که کارآیی متوسط الگوریتم BW بیش از کارایی متوسط روشهای سراسری در تعداد تکرارهای نه خیلی زیاد ( 10000 تکرار ) است و این به دلیل قدرت بالای روشBW در تنظیم دقیق پارامترها، سرعت آن و پایه ریاضی مستحکم آن می باشد . برای رسیدن به بهینه سراسری در تعداد تکرارهای نه خیلی زیاد از روشهای ترکیبی 4 استفاده کردیم که هم از روش جستجوی سراسری مبتنی برSAو هم از روش جس تجوی محلیBW بهره می گیرد و دارای راندمان بالاتری نسبت به روشBW به تنهایی است . به نظر می رسد که با استفاده از روش بهینه سازی و جستجوی ترکیبی توانسته ایم به بهینه سراسری و آموزش بهینه مدل پنهان مارکفنزدیک شویم.

نویسندگان مقاله ارائه یک روش جدید برای آموزش بهینه مدل پنهان مارکف

جهانشاه کبودیان

آزمایشگاه سیستمهای هوشمند صوتی-گفتاری،

محمدرضا میبدی

آزمایشگاه محاسبات نرم،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
Annealing Algorithms for Continuous Global Optimization", in Horst, R., Simulatedه ...
Rabiner, L.R., Juang, B.-H., Fundamentas of Speech Recognition, Prentice-Hall, 1993. ...
McLachlan, G., Peel, D., Finite Mixture Models, John Wiley & ...
Figueiredo, M.A.T., Jain, A.K., "Unsupervised Learning of Finite Mixture Models", ...
Back, T., Evolutionary Algorithms in Theory and Practice, Oxford University ...
Stuckman, B.E., Easom, E.E., _ Comparison of B ayesian/S ampling ...
Howell, M.N., Gordon, T.J., Best, M.C., "The Application of Continuous ...
Howell, M.N., Gordon, T.J., "Continuous Learning Automata and Adaptive Digital ...
Ingber, L, Rosen, B., "Genetic Algorithms and Very Fast Simulated ...
Ingber, L, "Simulated Annealing: Practice versus Theory", Mathematicat and Computer ...
Kimura, K., Taki, K., ، "Time -Homogeneous Parallel Annealing Algorithm", ...
Lo C.-C., Hsu, C.-C.. _ Annealing Framework with Learning Memory", ...
Kirkpatrick, S., Gelatt, C.D., Vecchi, M.P., "Optimization by Simulated Annealing", ...
Lindsey, J.K., Lindsey, P.J., :Multivariate Distributions with Correlation Matrices for ...
Fausett, L.V., Fundamentas of Neural Networks, Prentice-Hall, 1994. ...
Narendra, K.S., Thathatchar, M.A.L., Learning Automata: An Introduction, Prentice-Hall, 1989. ...
Yao, X., "Evolving Artificial Neural Networks", Proceedings of the IEEE, ...
Bick, T., Fogel, D., Michalewics, Z.(Eds.), Handbook of Evolutionary Computation, ...
Hart, W.E.. Adaptive Global Optimization with Local Search, PhD Thesis, ...
Renders, J.-M., Flasse, S.P., "Hybrid Methods using Genetic Algorithms for ...
Desai, R., Patil., R., "SALO: Combining Simulated Annealing and Local ...
Lee, Y.-O. et al., "Optical Model Parameter Search with Simulated ...
Schoen, F., "Two-Phase Methods for Global Optimization", in Horst, R., ...
th ICEE, May 2003, Vol. 1 ...
نمایش کامل مراجع

مقاله فارسی "ارائه یک روش جدید برای آموزش بهینه مدل پنهان مارکف" توسط جهانشاه کبودیان، آزمایشگاه سیستمهای هوشمند صوتی-گفتاری،؛ محمدرضا میبدی، آزمایشگاه محاسبات نرم،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دا؛ محمدمهدی همایون پور نوشته شده و در سال 1382 پس از تایید کمیته علمی یازدهمین کنفرانس مهندسی برق پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هستند. این مقاله در تاریخ 18 تیر 1391 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1164 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که یکی از ابزارهای بسیار قدرتمند در پردازش فرآیندها ی اتفاقی و دنباله های تصادفی مدل پنهان مارکف یاHMM میباشد . مشهورترین روش آموزشمدل پنهان مارکف روش با م -ولشBW است که یک روش آموزش (جستجوی) محلی بوده و در دام بهینه های محلی گرفتار می آید . در این تحقیق ازروشهای جستجوی سراسری مبتنی بر سرد کردن فلزاتSA استفاده کردیم ... . برای دانلود فایل کامل مقاله ارائه یک روش جدید برای آموزش بهینه مدل پنهان مارکف با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.