مقدمه

يکي از مسائلی که در پردازش سيگنال توجهات را به خود معطوف نموده است، مدلسازی سيگنال است. انتخابهای مختلفی برای مدل کردن سيگنال و خصوصيات آن وجود دارد. از يک ديدگاه می توان مدلهای سيگنال را به دو دسته مدلهای معين 1 و مدلهاي آماری 2 تقسيم بندی نمود. مدلهاي معين عمدتا برخی خواص شناخته شده سيگنال را مورد استفاده قرار مي دهند. در اين حالت تشکيل مدل سيگنال سرراست است و تنها کافی است مقادير پارامترهای مدل تخمين زده شود. در مدلهای آماری سعی در ايجاد مدل با استفاده از خواص آماری سيگنال است. مدلهای گاوسی، زنجيره مارکوف و مدل مخفی مارکوف از جمله اين روشها هستند. فرض اساسی در مدلهای آماری اين است که می توان خواص سيگنال را به شکل يک فرآيند تصادفی پارامتری مدل نمود. در هر مسئله اي که به نوعي با مديريت و تصميم گيري ارتباط داشته باشد, تعدادي احتمال وجود دارد که بايد يکي از آنها را انتخاب کرد. انتخاب بهترين تصميم, مستلزم دانستن نتايج ابعاد مختلف مسئله و مهمتر از همه, عواقب بعدي آن است. تصميم گيرنده بايد بتواند بين دستاوردهاي کوتاه مدت و دراز مدت (که ممکن است گاهي در تضاد با يکديگر باشند) انتخاب کند, يعني اينکه نگاه کند که با توجه به اتفاقات گذشته و پارامترهاي موجود, کدام تصميم براي آينده بهترين (بهينه) است. البته همانطور که مي دانيد بهينه بودن به اين معني نيست که اين تصميم از همه نظر بهترين است, بلکه بايد در نگاه کلا ننگر و آينده نگر و با توجه به همة اجزاء سيستم در کنار هم بهترين باشد. اين موضوع دست ماية اصلي مدل مخفي مارکوف است و در کاربردهاي بسيار زيادي, از کارهاي سادة روزمره گرفته تا تصميم گيري هاي بسيار کلان و حياتي م يتواند مورد استفاده قرار گيرد.مدل مخفی مارکوف در اواخر دهه 1960 ميلادی معرفی گرديد و در حال حاضر به سرعت در حال گسترش دامنه کاربردها مي باشد. دو دليل مهم برای اين مساله وجود دارد. اول اينکه اين مدل از لحاظ ساختار رياضی بسيار قدرتمند است و به همين دليل مبانی نظری بسياری از کاربردها را شکل داده است. دوم اينکه مدل مخفی مارکوف اگر به صورت مناسبی ايجاد شود می تواند برای کاربردهای بسياری مورد استفاده قرار گيرد............

-1 مقدمه

-2 تاریخچه

-3 معرفی

-4 انواع مدل

-4 مدلهای قطعی

-4 مدلهای غير قطعی

-5 تعریف مدل مخفی مارکوف

-6 معماری مدل مخفی مارکوف

-7 فرایند مارکوف

-7 اجزای مدلهای مخفی مارکوف

-7 مرتبه مدل مارکوف

-7 مدل مارکوف مرتبه صفر

-7 مدل مارکوف مرتبه اول

-7-2 مدل مارکوف مرتبه M

-7 فرضيات تئوری ممدل مخفی مارکوف

-7 فرض مارکوف

-7 فرض ایستایی

-7 فرض استقلال خروجی

-7 مسئله ارزیابی

-7 مسئله کدگشایی

-7 مسئله یادگيری

-8 انواع مدلهای مخفی مارکوف و HMM پيوسته

-9 ساختن یک HMM

-9 الگوریتمها

20 -9 الگوریتم Forward یا پيشرو

 -9 الگوریتم Viterbi یا ویتربی

-9 الگوریتم  Forward-Backward یا پيشرو-پسرو

-10 کاربردهای HMM

-10 طبقه بندی رشته ها

-10 توليد مسيرهای چندگانه

-10 شناسایی گفتار

-10 استفاده از HMM در شنااسایی کلمات جداگانه

-10 مدلسازی و یادگيری

-10 مدلسازی و ارزیابی عملکرد جراحی

-10 نرم افزار تشخيص گفتار از روز حرکات لب

-10 زنجيره های مارکوف در برنامه ریزی نيروی انسانی و پيش بينی آن

Speaker-Independent Phone Recognition Using Hidden -10 -9

Markov Models

Enhancements to Hidden Markov Models for Gene -10-10

Finding and Other Biological Applications

-10-11 ارزیابی قابليت اطمينان منبع قدرت شبکه الکتریکی جهت

کاربردهای مربوط به ایمنی

-10-12 معرفی تعدادی از پروژه های دانشجویی

-10-12-1 بازشناسی گفتار در یادگيری هوشمند پارامترهای مارکوف

مخفی

-10-12-2 مطالعه حرکات مری با تغيير و بازشناخت الگوی سيگنال

فشا مری

-10-12-3 بررسی کاربرد مدل مارکوف پنهان در سيستمهای

شناسایی صحبت و بهبود آن

-10-12-4 تحقيق الگوریتمهای تطابق الگووتطابق بهينه زیررشته ها

-10-12-5 بررسی و انتخاب روشی مناسب جهت تحقق سيستم

بازشناسی گوینده و استخراج فونتهای زبان فارسی

-10-12-6 شناسایی صحبت

-10-12-7 مدلهای مارکوف پنهان و کاربردهای آن در تشخيص گفتار

-11 محدودیت فرایند مارکوف

-12 جعبه ابزار مدل مخفی مارکوف در مطلب

-13 جمع بندی

برخی مراجع مفيد در زمينه مدل مخفی مارکوف و ابزارهای موجود

منابع