8 – Ma’ruza Nutqni tanish uchun yashirin markov modelining qo`llanilishi Reja

8 – Ma’ruza Nutqni tanish uchun yashirin markov modelining qo`llanilishi

Reja:

• Yashirin Markov modellariga kirish (HMM). Tanib olish muammosining echimi.
• Viterbi algoritmi.
• Baum-Welch algoritmi.
• Kompyuterda HMM dasturini amalga oshirish

Kalit so'zlar

• yashirin Markov modellari, holatlar soni, kuzatuvlar soni, ehtimollik matritsasi, Baum-Welch algoritmi, Viterbi algoritmi.

1. Nutqni aniqlash uchun yashirin Markov modellarini qo'llash.

Yashirin Markov modeli (YMM)

• Yashirin Markov modeli (YMM) - bu noma'lum parametrlarga ega bo'lgan Markov jarayoniga o'xshash jarayonning ishlashini simulyatsiya qiladigan statistik model va vazifa kuzatiladigan narsalarga asoslanib noma'lum parametrlarni taxmin qilishdir. Olingan parametrlardan keyingi tahlillarda foydalanish mumkin, masalan, naqshni tanib olish uchun. YMMni Bayesning eng sodda ishonch tarmog'i deb hisoblash mumkin [5].

Общая структура СММ

• Ovallar tasodifiy qiymatga ega o'zgaruvchilarni ifodalaydi.

Asosiy algoritmlar

• YMM bilan bog'liq uchta asosiy vazifa mavjud:
• Oldinga teskari harakat algoritmi: model parametrlari va ketma-ketlikni hisobga olgan holda, ushbu ketma-ketlikning yuzaga kelish ehtimolini hisoblash talab qilinadi (masalani echishga imkon beradi).
• Viterbi algoritmi: modelning parametrlari berilgan, ushbu modelni eng aniq ta'riflaydigan yashirin tugunlarning eng to'g'ri ketma-ketligini aniqlash talab qilinadi (bu muammoni hal qilishda yordam beradi).
• Baum-Welsh algoritmi: diskret qiymatlar bilan chiqish ketma-ketligi (yoki bir nechtasi) berilgan, shu chiqishda YMMni "o'rgatish" talab qilinadi.

Odatda, yashirin Markov modellari bo'yicha uchta muammo hal qilinadi:

• 1 - vazifa. O={o1,o2,…oτ} kuzatuvlar ketma-ketligi va λ={A,B,π}. modeli berilgan. Berilgan model uchun belgilangan ketma-ketlikning yuzaga kelish ehtimolini hisoblash kerak.
• 2- vazifa. O={o1,o2,…oτ} kuzatuvlar ketma-ketligi va λ={A,B,π}. modeli berilgan. Belgilangan ketma-ketlikni hosil qiladigan, ehtimol Q= {q1,q2,…qτ}, holatlar ketma-ketligini tanlash kerak. Ushbu muammoni hal qilishda olingan ma'lumotlar natijada paydo bo'lgan modelning xatti-harakatlarini o'rganish uchun ishlatiladi.

• 3- vazifa.
• O={o1,o2,…oτ} kuzatuvlar ketma-ketligi va λ={A,B,π}. modeli berilgan. Kuzatuvlarning berilgan ketma-ketligi ehtimolini maksimal darajaga ko'tarish uchun model parametrlarini tanlash kerak.

2. Viterbi algoritmi

Viterbi algoritmi

3. Baum-Welch algoritmi

3-muammoning yechimi.

• ξt(i,j) = P(qt=Si,qt+1=Sj|O,λ)

3-muammoning yechimi.

Nazorat savollari

• Chiziqli bashorat qilish koeffitsientlarini topish.
• Chiziqli bashorat qilish usulining kamchiliklari.
• Lineer bashorat qilish usulining afzalligi.
• Nutqni chiziqli bashorat qilish.
• Nutq signallariga chiziqli bashorat qilish usullarini qo'llash.

Adabiyotlar

• Lawrence R. Rabiner and Biing-Hwang Juang, "Fundamental of Speech Recognition", Prentice Hall (1993)
• Manolakis, Dimitris G. Applied digital signal processing: theory and practice / MIT Press, Cambridge, 2012, ISBN 978-0-521-11002-0 (Hardback)
• Сергиегко А.В. Цифровая обработка сигналов – СПб.: Питер, 2002. – 608 с.
• Алгоритмы распознавания: http://speech-text.narod.ru/chap3.html