Введение
ГЛАВА 1. Анализ основных проблем применения скрытых марковских моделей в системах распознавания речи 12
1.1 Что такое марковская модель 15
1.2 Скрытая марковская модель (смм) 16
1.3 Основные задачи при применении смм к распознаванию речи 18
1.4 Типы смм, применяемые в системах распознавания речи 21
1.5 Подходы к решению основных задач СММ 24
1.5.1 Задача 1. Эффективное вычисление вероятности генерации заданной последовательности 24
1.5.2 Задача 2. Отыскание оптимальной последовательности состояний 27
1.5.3 Задача 3. Обучение СММ тестовыми последовательностями 28
1.6 ВЫВОДЫ 30
ГЛАВА 2. Сравнительная оценка методов оптимизации в задаче обучения СММ 31
2.1 Схема процесса принятия решения как задачи поиска 31
2.2 Традициоішые методы поиска приложение к задаче обучеііия СММ. 33
2.2.1 Методы, основанные на математических вычислениях 33
2.2.2 Перечислительные методы 34
2.2.3 Методы, использующие элементы случайности 36
2.3 Концепция эволюционных вычислений 36
2.4 Основы теории генетических алгоритмов (га) 39
2.5 Последовательность работы генетического алгоритма 41
2.6 Вычислительная эффективность применения га. теорема схем 45
2.7 Выводы . 52
ГЛАВА 3. Реализация генетического алгоритма для решения задачи оптимизации СММ 54
3.1 Система распознавания речевых команд на основе смм 54
3.2 Построение генетического алгоритма для оптимизации процесса обучения смм тренировочными последовательностями 55
3.2.1 Кодирование хромосомы 55
3.2.2 Создание исходной популяции 59
3.2.3 Размер популяции 64
3.2.4Генетические операторы: оператор отбора. 66
3.2.5 Генетические операторы: оператор скрещивания 66
3.2.6 Генетические операторы: оператор мутации 69
3.2.7 Генетические операторы: оператор редукции 73
3.2.8 Критерий останова алгоритма 74
3.3 Выводы 78
ГЛАВА 4. Исследование эффективности оптимизации смм с использованием генетических алгоритмов 81
4.1 Сравнение генетических алгоритмов с традиционными методами 81
4.1.1 Метод Баума-Велча. : 81
4.1.2 Случайный поиск 90
4.2 Показатели эффективности генетических алгоритмов 93
4.2.1 Скорость работы генетического алгоритма. 93
4.2.2 Средства повышения скорости работы генетических алгоритмов 95
4.2.3 Устойчивость работы генетического алгоритма 96
4.2.4 Средства повышения устойчивости работы генетических алгоритмов 98
4.3 Направления развития генетических алгоритмов 99
4.3.1 Использование комбинированной фитнес-функции 99
4.3.2 Адаптивный ГА 99
4.4 Выводы 102
Выводы и заключение 105
Литература
