تشریح کامل و جامع مدل پنهان مارکوف
تشریح کامل و جامع مدل پنهان مارکوف
تشریح کامل و جامع مدل پنهان مارکوف
نمونه پایان نامه مدل پنهان مارکوف
مشخصات فایل
| تعداد صفحات | ۳۷ |
| حجم | ۰/۲۹۴ کیلوبایت |
| فرمت فایل اصلی | doc |
توضیحات کامل
نمونه پایان نامه رشته کامپیوتر
تشریح کامل و جامع مدل پنهان مارکوف
(نسخه کامل و آپدیت شده)
چکیده:
مدل پنهان مارکوف ( Hidden Markov Model) یک مدل مارکوف آماری است که در آن سیستم مدل شده به صورت یک فرایند مارکوف با حالت‌های مشاهده نشده (پنهان) فرض می‌شود. یک مدل پنهان مارکوف می‌تواند به عنوان ساده‌ترین شبکه بیزی پویا در نظر گرفته شود.در مدل عادی مارکوف، حالت به طور مستقیم توسط ناظر قابل مشاهده‌است و بنابراین احتمال‌های انتقال بین حالت‌ها تنها پارامترهای موجود است. در یک مدل پنهان مارکوف، حالت به‌طور مستقیم قابل مشاهده نیست، اما خروجی، بسته به حالت، قابل مشاهده‌است. هر حالت یک توزیع احتمال روی سمبل‌های خروجی ممکن دارد. بنابراین دنبالهٔ سمبل‌های تولید شده توسط یک مدل پنهان مارکوف اطلاعاتی دربارهٔ دنبالهٔ حالت‌ها می‌دهد. توجه داشته باشید که صفت 'پنهان' به دنبالهٔ حالت‌هایی که مدل از آنها عبور می‌کند اشاره دارد، نه به پارامترهای مدل؛ حتی اگر پارامترهای مدل به‌طور دقیق مشخص باشند، مدل همچنان 'پنهان' است.مدلهای پنهان مارکوف بیشتر به‌دلیل کاربردشان در بازشناخت الگو، مانند تشخیص صدا و دست‌خط، تشخیص اشاره و حرکت، برچسب‌گذاری اجزای سخن، بیوانفورماتیک و… شناخته‌شده هستند.
چرا پنهان؟
اطلاق کلمه مخفی یا پنهان ; به موضوع مورد بحث ما به این دلیل است که در باره مسائلی صحبت می‌کنیم که طریقه انجام آنها از دید ما پنهان است و البته ماهیت پارامتری آماری دارد. یعنی اینکه نه تنها نمی‌دانیم نتیجه چه خواهد بود; بلکه نوع اتفاق و احتمال آن اتفاق نیز باید از پارامترهایی که در دسترس است; نتیجه‌گیری شود. مانند پرتاب سکه در یک جعبه در بسته; یا جایی دور از دید ما. یعنی مدل حاصل یک مدل تصادفی با یک فرآیند تصادفی زیرین است که از دید ناظر; غیر قابل مشاهده (مخفی) است و تنها توسط مجموعه ای از فرآیندهای تصادفی که دنباله مشاهدات را تولید می کنند قابل استنتاج (به جای مشاهده) است.
کلمات کلیدی:
مدلهای آماری
مدل پنهان مارکوف
مدلسازی سیگنال
معماری مدل پنهان مارکوف
فهرست مطالب
چکیده: ۳
کلمات کلیدی: ۴
شرح ازنظر مسائل ظرف‌ها ۵
معماری مدل پنهان مارکوف ۵
شکل ۱ : ۶
زیر معماری کلی یک نمونه HMM 6
مسایلی که به کمک مدل پنهان مارکوف حل می‌شود ۶
حل مسایل ۷
Annotation: 7
classification: 7
Consensus: 7
Training 7
یادگیری ۸
یک مثال ملموس ۸
شکل ۲ : ۱۰
کاربردهای مدل پنهان مارکوف ۱۱
تشخیص گفتار ۱۱
ترجمه ی ماشینی ۱۱
پیش بینی ژن ۱۱
هم‌تراز کردن توالی ۱۱
تشخیص فعالیت ۱۱
تاشدگی پروتئین ۱۱
تشخیص چهره ۱۱
تاریخچه ۱۱
انواع مدل پنهان مارکوف ۱۱
فرایند مارکوف گسسته ۱۲
شکل ۳ : ۱۲
مرتبه مدل مارکوف ۱۳
۱- مدل مارکوف مرتبه صفر ۱۴
۲- مدل مارکوف مرتبه اول ۱۴
۳- مدل مارکوف مرتبه m ام ۱۴
شکل چهار: ۱۵
مدل مارکوف مرتبه اول برای مثال ۲ ۱۵
شکل ۵ : ۱۶
خروجی مثال ۲ ۱۶
مدل مخفی مارکوف (HMM) 16
انواع مدلهای مخفی مارکوف و HMM پیوسته ۱۹
مدل مخلوط گاوسی ۲۱
فرضیات تئوری مدل مخفی مارکوف ۲۲
مساله ارزیابی و الگوریتم پیشرو (forward) 24
شکل ۶ : مساله ارزیابی و الگوریتم پیشرو ۲۵
مساله کد گشایی و الگوریتم ویتربی (Viterbi Algorithm) 27
مساله یادگیری ۲۸
معیار بیشترین شباهت((Maximum Likelihood (ML) 29
الگوریتم بام- ولش ۲۹
الگوریتم حداکثر سازی امید ریاضی (Expectation Maximization) 31
روش مبتنی بر گرادیان ۳۲
استفاده از مدل HMM در شناسایی گفتار ۳۳
استفاده از HMM در شناسایی کلمات جداگانه ۳۴
آموزش ۳۵
شناسایی ۳۵
منابع 37
توضیحات بیشتر و دانلود
صدور پیش فاکتور، پرداخت آنلاین و دانلود”
