| Језик : |
|
| Енциклопедија заједница |Енциклопедија Одговори |Пошаљи питање |Речник Знање |Додај знања |
Марковљев модел |
 |
|
Модел Увод Марков модели (Марков Модел) је статистички модел, у широкој употреби у препознавању говора, говор аутоматски коментару, звук реч конверзија, вероватноћа граматике и других апликација за обраду природног језика. Након дуготрајног развоја, посебно у успешну примену препознавање говора, да је одлука заједничког статистичког алата.До сада, она је сматрана за најуспешнијег начин да се постигне система брзе и тачне препознавање гласа. Комплексни проблеми кроз препознавање говора Скривених Марков модел се може изразити врло једноставно решити, нека људи 由衷地感叹 диван математички модел. Марков (1856 - 1922), совјетски математичар. Цхебисхев студенте. У теорији вероватноће, аспекти теорије бројева, функционише теорију апроксимације и диференцијалних једначина, као што је веома успешан. Ко је ко Марков је Петерсбург математичке представници школа. За рад у теорији бројева и теорије вероватноће познате аспекте. Његови главни радови обухватају "вероватноће каменца" и тако даље. У теорији бројева, он је студирао теорију наставио фракција и квадратне инфинитива, да реши многе проблеме. У теорији вероватноће, он је развио метод тренутак, проширење обима примене закона великих бројева и централне граничне теореме. Марков је најважнији посао између 1906 и 1912, а студирао је предложио а математичке методе анализе могу да студирају природне процесе у општој схема - Марковљев ланац. Док стварање последица узимања од не-случајног процеса - Марков процес. Марков је приметио након поновљених испитивања утврдио да је стање система државних прелаза током н-тог конверзије се често добија пред одлуком једном (прве н-1 пута) резултате тестова на. Марков дубина студији се наводи: За систем који се састоји од једне државе иде у другу државу у процесу конверзије, постоји вероватноћа транзиције и вероватноћа ове промене могу бити заснован на њеној бившој статусу одмах извести, и првобитно стање система и Марков процес је независан од трансфера фронта. Марков теорија и метода ланца су у широкој употреби у природним наукама, инжењерству и јавних комуналних предузећа. Марковљев ланац [3] Иинанделие · Марков (Андреј Марков ,1856-1922) је добио име, је дискретна време процес стохастички са Марков математичке природе. Овај процес, у случају датог тренутног знања или информација у прошлости (тј., тренутни статус претходне историје) да предвиди будућност (тј. период после следећег државе) је ирелевантно. Марков време процес и дискретне државе се зове Марковљев ланац, означено кн = к (н), н = 0,1,2 ... Марков ланац је случајна променљива Кс1, Кс2, Кс3 ... број колона. Распон ових варијабли, тј скуп свих могућих вредности њих, под називом "државни простор", а вредност Ксн је држава у времену н. Ако кн 1 за условну расподелу вероватноће над државама Кси је функција само од П (Ксн 1 = к | Кс0, Кс1, Кс2, ..., Ксн) = П (Ксн 1 = к | Ксн) Где је к држава у процесу. Једначина се може сматрати константном Марков имовине. Марков је 1906 направио први такав поступак. И ово се може генерализовати на неограниченом броју државног простора коју је Колмогоров 1936. Апликација Углавном се користи у препознавање говора, аудио и речи конверзију, ПОС означавање. Природни језик је људски размена информационих алата. Многи проблеми обраду природног језика може бити еквивалент за комуникационе системе проблем декодирање - лице на основу информација примљених, да погоди позиваоца покушава да каже. У ствари, ово је као комуникације, људи према сигнала коју прима пријемник да се анализира, да се разумемо, да се обнови клијента шаље информације шаљу преко. На пример, типичан комуникациони систем: где С1, С2, С3 ... показује сигнал емитује извор информација. О1, О2, О3 ... је пријемник примио сигнал. Комуникација је на основу примљених декодирају сигнале О1, О2, О3 ... вратите се преносе сигнали С1, С2, С3 .... У ствари, људи обично када говоре, мозак је извор информација. Људи грло (вокал), ваздух, као што су жице и каблова је као канал. Уши слушаоца је крај пријем, и чује звук се преноси из сигнала. Према сигнала акустичне звучника да спекулише, да препознавања говора. Тако да кажем, ако прима крај је компјутер и не лице, онда рачунар да урадите је да аутоматско препознавање говора. Слично томе, у рачунару, ако желимо у складу са добијеним информацијама на енглеском језику, што указује да је говорника кинески значење је машински превод, ако желимо да се нагађа желе да изразе говорника према изјави са исправним правописних грешака значи да аутоматски тачно погрешно. Дакле, како на основу добијених информација да спекулише да би говорник желео да изрази смисао тога? Људи могу да користе такозване "скривене модела Маркова" (ХидденМарковМодел) да реши ове проблеме. У препознавање говора, на пример, када смо приметили говор сигнала О1, О2, О3, казне да закључимо преноси С1, С2, С3 од утврђеног сигнала. Очигледно, треба наћи највероватнији један од свих могућих казни. Математички језик за описивање је под познатим О1, О2, О3, ... случају, наћи вероватноћу таквих услова П (С1, С2, С3, ... | О1, О2, О3 ....) достигне максималну вредност која реченица С1, С2, С3, ... Наравно, вероватноћа горе није лако да се директно добити, тако да људи могу да га индиректно израчунати. Баиесиан формула и издају константан термин, горе једначина може се трансформисати у еквивалент П (О1, О2, О3, ... | с1, с2, с3 ....) * П (С1, С2, С3, ...) Међу П (О1, О2, О3, ... | с1, с2, с3 ....) указује да изјава С1, С2, С3 ... се читају као О1, О2, О3, ... могућност и П (С1, С2, С3, ...) представља стринг с1, с2, с3, ... може сама да буде разумна вероватноћа реченице, значење ове формуле је пренос сигнала С1, С2, С3 ... множи са бројем колона ове могућности с1, могућност казне може бити с2, с3 ... сама, даје вероватноћу. (Читаоци прочитати овде ће вас можда питати сада није проблем постаје сложенији, јер је формула пишу више дуго Не брините, ми смо поједноставити проблем.) Људи раде овде две претпоставке: Прво, С1, С2, С3, ... је Маркова ланац, тј, си си-1 одређује само (види серије 1); Друго, примљени сигнал с и ои време одређује искључиво на пренос сигнала Си (такође позвао независну излаз на претпоставци да је П (О1, О2, О3, ... | с1, с2, с3 ....) = П ( о1 | с1) * П (О2 | с2) * П (О3 | с3) .... Онда људи могу лако да пронађу максимално коришћење изнад формуле Витерби алгоритма, а затим наћи казну да буде призната С1, С2, С3, .... Модел задовољава ове две претпоставке се зове Скривена Марков модели. Ми користимо "скривени" реч, јер држава С1, С2, С3, ... не може се посматрати директно. Далеко Хидден Марков Моделс само примењује у препознавању говора. У горњој формули, ако ставимо С1, С2, С3, ... као Кинеза, О1, О2, О3, ... као одговарајући енглеском, онда ће људи моћи да користе овај модел да реши проблем машинског превођења; Ако смо О1, О2, О3, ... као функцију слике скенирање текста да се, можемо да користимо овај модел за решавање штампање и препознавање рукописа. П (О1, О2, О3, ... | с1, с2, с3 ....), али у зависности од примене различитих имена у препознавању говора то се зове "акустични модел" (АцоустицМодел), машина Превод је "превод модел" (ТранслатионМодел) и у корекцији правописа је "грешка цоррецтион модела" (ЦоррецтионМодел). П (С1, С2, С3, ...) је модел језик смо поменули у једној серији. |
| Корисник Преглед |
|
Но цомментс иет |
