Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > مقالات و اسلاید ها > مقالات و اسلایدهای فارسی مرتبط با هوش مصنوعی > مباحث پايه ای و مرتبط


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۳-۲۳-۱۳۸۷, ۰۷:۳۹ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار m.kia83
 
تاريخ عضويت: ارديبهشت ۱۳۸۷
پست ها: 9
تشكرها: 0
47 تشكر در 7 پست
Thumbs up مدل مخفی مارکوف

مدل مخفی مارکوف

یکی از روش های پر کاربرد در مدل سازی از داده های صوتی مدل مخفی مارکوف می باشد و این روش در بسیاری از موارد دارای کارایی بسیار خوبی می باشد.عمده استفاده از این روش در تشخیص گفتار می باشد.
تئوري زنجيره مارکوف از حدود صد سال پيش براي رياضيدانان و مهندسان شناخته شده بوده است ،اما به علت نبود الگوريتم خاص براي بهينه کردن پارامترهاي مدل ،درکاربردهاي عملي مورد استفاده قرارنگرفت،تا اينکه با ارائه الگوريتمي در اواخر دهه 1960 به سرعت در موارد مختلف ،همچون پردازش صحبت ، بکار گرفته شد.
استفاده از روشهاي آماري مانند مدل مخفي مارکوف (hmm)داراي مزاياي خاصي مي باشد که مي توان به نکات زير اشاره نمود:
نخست آنکه ،مدل از ساختار رياضي مستحکمي برخوردار است و مي تواند پايه نظري براي حوزه وسيعي از کاربردها را تشکيل دهد.
دوم آنکه،اگر مدل به درستي به کار گرفته شود،مي تواند در بسياري از کاربردهاي عملي مهم مورد استفاده قرار گيرد.
یک مدل مخفی مارکوف از اجزا زیر تشکیل می شود :
،تعداد حالات در يک مدل ؛که حالات مجزا با و حالت در زمان با مشخص می شود.
،تعداد سمبلهاي قابل مشاهده در هر حالت؛ سمبلهاي مشاهده پذير به خروجي فيزيکي سيستم مدل شده مربوط مي شوند. در آزمايش پرتاب سکه ، سمبلها، پشت وروي سکه مي باشند.سمبلهاي مجزا را با مشخص می شوند.
توزيع احتمال انتقال حالت که :

يعني احتمال انتقال از حالت به حالت .
توزيع احتمال رويت سمبل در حالت که:

يعني احتمال رويت سمبل هنگامي که در حالت هستيم .
توزيع حالت اوليه ( احتمال انتخاب حالت اول )

با مشخص شدن مقادير مناسب براي ، قابليت توليد يک رشته را دارد که هر يک سمبل از ميان و تعداد مشا هدات در رشته مي باشد.
بنابراين براي توليد يک رشته از مشاهدات به کمک مدل از الگوريتم زير استفاده مي کنيم:
با توجه به توزيع حالت اوليه يک حالت نخست انتخاب مي کنيم .
را برابر يک قرار ميدهيم ) ( .
با توجه به توزيع احتمال سمبل در وضعيت را انتخاب مي کنيم.
با توجه به توزيع احتمال انتقال حالت براي به يک حالت جديد منتقل مي شويم.
را برابر قرار مي دهيم اگر > بود به مرحله باز مي گرديم، در غير اين صورت به کار خاتمه مي دهيم.
مراحل فوق مي تواند براي توليد يک رشته از مشاهدات ويا مدلي براي توضيح اينکه چگونه يک رشته از مشاهدات توسط يک مناسب توليد شده است، بکار رود.
از بحث بالا مشخص مي شود که براي تشخيص کامل يک نياز به تشخيص دو پارامتر مدل و تشخيص سمبلهاي قابل مشاهده و تشخيص سه پارامتر احتمالي مي باشد .براي راحتي ما از نماد زير براي نمايش کامل پارامترهاي يک مدل استفاده مي کنيم :

پس از حصول آشنایی مختصر با این مدل در ادامه به سه نوع مسئله مطرح شده در خصوص آن پرداخته می شود که پاسخ به این مسایل می تواند در حل مسایل گوناگون کمک کند.
مسئله اول: با توجه به رشته داده شده ومدل داده شده با چه دقتي مي توان ، احتمال رويت رشته داده شده را محاسبه کرد.
مسئله دوم : با توجه به رشته داده شده و مدل ، چگونه مي توان رشته حالت مربوطه را به گونه‌اي انتخاب کرد تا حالت بهينه بدست آيد يعني مشاهدات را به بهترين صورت توضيح دهد.
مسئله سوم: چگونه مي‌توان پارامتر هاي را به گونه اي انتخاب کرد تا ماکزيمم شود.
مسئله ا ول يک مساله محاسباتي مي‌باشد. با داشتن مدل و رشته مشا‌‌‌‌‌هده مي‌خواهيم احتمال مشاهده اين رشته را توسط اين مدل محاسبه کنيم. به اين مساله به گونه ديگر هم مي‌توان نگاه کردوآن اينکه مي‌خواهيم ببينيم که مدل ورشته چقدر با يکديگر همخواني دارند. نگاه دوم بسيار موثر است، مثلا اگر ما خواسته باشيم از ميان چند مدل، مدل مناسبي را انتخاب کنيم.راه حل مساله اول ، جواب مناسبي را به ما خواهد داد.
با پرداختن به مساله دوم ما سعي خواهيم کرد که از ابهام قسمت مخفي مدل بکاهيم يعني يک رشته حالت صحيح را انتخاب کنيم. اما در اکثر موارد عملي يک جواب صحيح براي اين پاسخ وجود ندارد بنابراين ما بدنبال حالت بهينه‌اي هستيم که اين مسئله را به نحو احسن حل کند.
در برخورد با مساله سوم ، تلاش ما بر آن است تا با بهينه كردن پارامترهاي مدل ‏‏‏‏، توضيحي مناسب براي براي بدست آوردن رشته مشاهده شده بيابيم. با استفاده از رشته مشاهده شده ، درطي مرحله آموزش ، پارامترهاي مدل را ارزيابي مي‌كنيم .
مرحله آموزش در موارد عملي استفاده از مهمترين قسمت مي‌باشد . چرا كه اين اجازه را به ما مي‌دهد تا پارامترهاي مدل را با رشته مورد نظر هماهنگ سازيم يعني بدست آوردن بهترين مدل براي فرايند واقعي.
براي روشن شدن بهتر مطلب، يك سيستم تشخيص صحبت كلمات مجزا را در نظر مي‌گيريم.فرض كنيم كه بخواهيم ، كلمه مجزا را از يكديگر تشخيص دهيم . براي هر يك از كلمه مجموعه يك مدل ، حالته طراحي مي‌كنيم.
در مرحله اول بايد چندين مدل مجزا براي كلمات توليد كنيم ، اين كار بوسيله راه حل مسأله سوم براي تخمين پارامترهاي مدل هر كلمه در حالت بهينه صورت مي‌گيرد .بري تعميق بخشيدن به فهم معني فيزيكي حالات مدل ، با كمك گرفتن از راه حل مسأله دوم هر يك از رشته‌هاي آموزش كلمه را به حالات مجزا تقسيم مي‌كنيم . هدف ما در اين مرحله ايجاد اصلاحاتي براي افزايش توانايي مدل كردن رشته كلمه تلفظ شده است .
در مرحله آخر كه ، مختلف طراحي وبهينه شده نوبت به تشخيص كلمه جديد مي‌رسد. كلمه جديد به هر يك از مدلها اعمال شده و با توجه به حل مسأله اول هر كدام از مدلها كه بيشتري را نتيجه داد، نتيجه مطلوب خواهد بود.
تا اینجا آشنایی مختصری با این روش مدل سازی ایجاد شده است.انتخاب یا عدم انتخاب این روش به آینده و پس از بررسی روش های دیگر موکول خواهد شد.به طبع در صورت انتخاب این روش بیشتر از این به آن خواهیم پرداخت.


متاسفانه به خاطر نقص در ویرایشگر نتونستم متن رو به طور کامل بذارم.فرمول های مربوط به متن بالا هم کپی نشد
به همین خاطر فایل مربوط به این مطلب رو ضمیمه کردم.

امید وارم مفید باشه
فايل ضميمه
نوع فايل: pdf waleed-kas-9909.pdf (305.8 كيلو بايت, 2898 نمايش)

ويرايش شده توسط m.kia83; ۰۳-۲۳-۱۳۸۷ در ساعت ۰۸:۳۴ بعد از ظهر
m.kia83 آفلاين است   پاسخ با نقل قول
از m.kia83 تشكر كرده اند:
Cboy (۱۱-۳-۱۳۸۷), ebtehaj (۰۲-۲۰-۱۳۹۱), eng2day (۰۳-۱۵-۱۳۹۱), hotanyahya (۰۵-۱۶-۱۳۸۸), masood (۰۶-۸-۱۳۹۰), Solsal (۱۱-۱۰-۱۳۹۰), فاطمه زهرا (۱۱-۲۷-۱۳۸۸), zmmhmmdrz (۰۲-۲۳-۱۳۹۱)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۷-۲۸-۱۳۸۷, ۰۲:۰۲ قبل از ظهر   #2 (لینک دائم)
Administrator
 
آواتار Siavash
 
تاريخ عضويت: ارديبهشت ۱۳۸۷
محل سكونت: تهران
پست ها: 179
تشكرها: 27
439 تشكر در 108 پست
My Mood: Mehrabon
پيش فرض

اين هم مقاله ي مرتبط در IEEE با عنوان:
كد:
Generalized Hidden Markov Models—Part I:
Theoretical Frameworks
فايل ضميمه
نوع فايل: pdf hmm.pdf (328.4 كيلو بايت, 1014 نمايش)
__________________
Siavash آفلاين است   پاسخ با نقل قول
از Siavash تشكر كرده اند:
Cboy (۱۱-۳-۱۳۸۷), ebtehaj (۰۲-۲۰-۱۳۹۱), eng2day (۰۳-۱۵-۱۳۹۱), hotanyahya (۰۵-۱۶-۱۳۸۸), masood (۰۶-۸-۱۳۹۰), Solsal (۱۱-۱۰-۱۳۹۰)
قديمي ۰۲-۳-۱۳۸۸, ۰۸:۱۷ قبل از ظهر   #3 (لینک دائم)
عضو جدید
 
آواتار pourhabibi
 
تاريخ عضويت: ارديبهشت ۱۳۸۸
پست ها: 3
تشكرها: 1
0 تشكر در 0 پست
پيش فرض

كسي مي تونه منو تو انجام پروِژه تشخيص گفتار م با مدل ماركوف كمك كنه؟؟؟؟؟؟؟؟؟؟
pourhabibi آفلاين است   پاسخ با نقل قول
قديمي ۰۶-۲-۱۳۸۸, ۰۹:۴۲ قبل از ظهر   #4 (لینک دائم)
عضو جدید
 
آواتار mahdi523
 
تاريخ عضويت: مرداد ۱۳۸۸
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

بهترین راه انجام پروِژه تشخيص گفتار با مدل ماركوف استفاده از ابزار HTK است.

برای مطالعه بیشتر به لینک زیر مراجعه کنید

HTK Web-Site
mahdi523 آفلاين است   پاسخ با نقل قول
قديمي ۰۶-۱۷-۱۳۸۸, ۱۱:۴۰ بعد از ظهر   #5 (لینک دائم)
عضو جدید
 
آواتار mokhaberat
 
تاريخ عضويت: شهريور ۱۳۸۸
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

با سلام
من میخواستم همین پروژه تشخیص گفتار رو با مدل مارکوف توی محیط مطلب پیاده سازیش کنم. با htk میشه این کار رو انجام داد؟
در ضمن، اگه htk رو بزارین توی سایت ممنون میشم، وبسایتی که برای این منظور معرفی کردین لینکش خرابه!
mokhaberat آفلاين است   پاسخ با نقل قول
قديمي ۱۱-۶-۱۳۹۰, ۰۲:۳۹ بعد از ظهر   #6 (لینک دائم)
عضو جدید
 
آواتار oroumyeh
 
تاريخ عضويت: مهر ۱۳۹۰
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام.
کسی مقاله فارسی مدل مخفی مارکف در تشخیص صدا رو داره؟
oroumyeh آفلاين است   پاسخ با نقل قول
قديمي ۰۲-۲۰-۱۳۹۱, ۰۳:۲۹ قبل از ظهر   #7 (لینک دائم)
عضو جدید
 
آواتار lala2000
 
تاريخ عضويت: ارديبهشت ۱۳۹۱
پست ها: 3
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام،

من می‌خوام topic segmentation به استفاده از HMM انجام بدم ، کسی‌ می‌تونه کمک کنی که اصلا باید چیکار کنم. از کجا باید شروع کنم.
lala2000 آفلاين است   پاسخ با نقل قول
قديمي ۰۲-۵-۱۳۹۲, ۱۰:۵۸ قبل از ظهر   #8 (لینک دائم)
عضو جدید
 
آواتار fa_te64
 
تاريخ عضويت: دي ۱۳۸۹
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض پیاده سازی مدل مخفی مارکف

اگر کسی پیاده سازی مدل مخفی مارکف در تشخیص کاراکتر رو داره لطفا برام ایمیل کنه (سورس کد الگوریتم)
fa_te64 آفلاين است   پاسخ با نقل قول
قديمي ۱۰-۱۵-۱۳۹۳, ۰۸:۲۶ بعد از ظهر   #9 (لینک دائم)
عضو جدید
 
آواتار sama.A
 
تاريخ عضويت: دي ۱۳۹۳
پست ها: 2
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

با سلام
شما میتونید منوتوتشخیص چهره با مدل مارکوف مخفی راهنمایی کنید؟
sama.A آفلاين است   پاسخ با نقل قول
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۲:۲۰ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design