آموزش تمايزي مدل مخفي ماركوف با بكارگيري الگوريتم pso
آموزش تمايزي مدل مخفي ماركوف با بكارگيري الگوريتم pso
خلاصه مقاله:
مدل مخفي ماركوف (hmm) جهت مدلسازي دنباله هاي تصادفي با ساختار حالت متناهي مورد استفاده قرار مي گيرد. به دليل وجود الگوريتم هاي قوي و كاراي بيشت رين درست نمايي جهت يافتن پارامترهايhmm اين روش به عنوان يك ابزار مدلسازي موفق ، مطرح گرديده است. با استفاده از دادگان آموزشي مناسب، پارامترهاي يك مدل با ساختار معلوم را مي توان با تخمين خوبي به دست آورد، اما در عمل تضميني براي دستيابي به بهينه سراسر ي وجود ندارد. عدم توجه به دقت بازشناسي يا به عبارت ديگر آموزش مستقل هر مدل، از ديگر معايب اين الگوريت مهاي آموزش است. روشهايي براي رفع اين معايب ارائه شده اند، كه يا به دليل مشكلاتعددي از كارايي لازم برخوردار نيستند و يا فاقد پايه نظري قوي جهت تضمين همگرايي ميباشند. در اين مقاله الگوريتمpso جهت آموزش تمايزي مدل مخفي ماركوف پيوسته در يك سيستم بازشناسي گفتار فارسي بكار گرفته م ي شود ؛ هدف آن است كه با استفاده از قابليت الگوريتمpso در جستجوي بهينه سراسري فضاي راه حل مساله و با استفاده از مفاهيم آموزش تمايزي، دقت بازشناسي سيستم بهبود يابد . نتايج آزمايشات نشان م ي دهد كه با استفاده از اين روش، خطاي بازشناسي نسبت به آموزشhmm با روشهاي مبتني بر بيشترين درست نمايي، 3,36 درصد كاهش يافته است.
كلمات كليدي:
مدل مخفي ماركوف ، آموزش تمايزي ، الگوريتم pso ، بازشناسي گفتار
|