مقایسه الگوریتم پرندگان و الگوریتم جستجوی گرانشی بهبود یافته در آموزش مدل پنهان مارکوف
محل انتشار: اولین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,307
فایل این مقاله در 6 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:
NCSCIT01_061
تاریخ نمایه سازی: 19 بهمن 1390
چکیده مقاله:
در این مقاله برای بهبود آموزش مدل پنهان مارکوف (HMM) از روش بهینه سازی الگوریتم پرندگان (PSO) و روش جدیدی مبتنی بر روش جستجوی رانشی بهبود یافته (MGSA) استفاده شده است. آموزش HMM مبتنی بر الگوریتم بام ولش (BW) می باشد. یکی از مشکلات آموزش HMM نبود هیچگونه تضمینی برای رسیدن این الگوریتم به بهینه سراسری و اغلب همگرایی این روش به یک بهینه محلی است. در این مقاله از دو روش متفاوت جستجوی گرانشی بهبود یافته و PSO که از تکنیک های هوش مصنوعی هستند برای خارج کردن بام ولش از بهینه محلی و جستجو برای سایر نقاط بهینه استفاده شده است. در نهایت نیز برای مقایسه دو روش فوق از آنها در بازشناسی گفتار استفاده شده است.
کلیدواژه ها:
نویسندگان
مهدی فرامرزی
گروه برق کنترل - دانشگاه آزاد اسلامی واحد گناباد
رضا معاشری
گروه برق کنترل - دانشگاه آزاد اسلامی واحد گناباد
مجتبی روحانی
استادیار برق کنترل - دانشگاه آزاد اسلامی واحد گناباد
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 :