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

سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,308

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT01_076

تاریخ نمایه سازی: 24 اردیبهشت 1388

چکیده مقاله:

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.

کلیدواژه ها:

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

نویسندگان

جهانشاه کبودیان

آزمایشگاه سیستمهای هوشمند صوتی- گفتاری

محمدرضا میبدی

آزمایشات محاسبات نرم.

محمدمهدی همایون پور

آزمایشگاه سیستمهای هوشمند صوتی- گفتاری

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 :
  • Rabiner, L.R., Juang, B.-H., Fundamentals 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 ...
  • Back, T., Evolutionary Algorithms in Theory and Practice, Oxford University ...
  • Stuckman, B.E., Easom, E.E., ،0A Comparison of B ayesian/S ampling ...
  • Application _ Continuous Action Re inforcement Learning Theء، [6] Howell, ...
  • Howell, M.N., Gordon, T.J., 4Continuous Learning Automata and Adaptive Digital ...
  • Ingber, L., Rosen, B., 4Genetic Algorithms and Very Fast Simulated ...
  • Ingber, L., ،Simulated Annealing: Practice Versus Theory', Mathematical and Computer ...
  • Kimura, K., Taki, K., ،، Time _ Homogeneous Parallel Annealing ...
  • Lo C.-C., Hsu, C.-C., ، An Annealing Framework with Learning ...
  • Kirkpatrick, S., Gelatt, C.D., Vecchi, M.P., *Optimization by Simulated Annealing', ...
  • Locatelli, M., ،Simulated Annealing Algorithms for Continuous Global Optimization _ ...
  • Lindsey, J.K., Lindsey, P.J., ،+Multivariate Distributions with Correlation Matrices for ...
  • Fausett, L.V., Fundamental S of Neural Networks, Prentic e-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, ...
  • نمایش کامل مراجع