بازشناسی متون با مدل های گرافی احتمالات (KBEI-2016)
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 292
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
KBEI04_196
تاریخ نمایه سازی: 18 اسفند 1397
چکیده مقاله:
برچسب دهی و آنالیز دنبالهای از داده ها ازجمله کاربردهای مدلهای گرافی احتمالاتی تمایزگرا است. میدان تصادفی شرطی باحالت پنهان مدلی با لایه مخفی است که با ایجاد پتانسیلهای مرتبه بالاتر و یادگیری روابط پیچیدهتر میتواند ارتباطات قوییتری را کشف نماید.با استفاده از پنجره ای کردن مدل HCRF و حرکت آن بر روی دنباله میتوانیم از استخراج اطلاعات را به بخشهای کوچکتر تقسیم بندی نماییم و در نهایت با ترکیب خروجی پنجره ها با روش خوشه بندی به دنبال افزایش قدرت ماشین یادگیر هستیم.با توجه به اهمیت تشخیص حرکت انسان ، از این کاربرد برای بررسی عملکرد مدل پیشنهادی استفاده میکنیم. در این زمینه مدل خود را با HMM، HCRF و CRF مورد مقایسه و ارزیابی قرار میدهیم
کلیدواژه ها:
نویسندگان
مجید احدی بیجقینی
گروه کامپیوتر،واحد زنجان ، دانشگاه آزاد اسلامی زنجان، ایران
محمد تحقیقی شربیانی
گروه کامپیوتر،واحد زنجان ، دانشگاه آزاد اسلامی زنجان، ایران