Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Markov models" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Using hidden Markov models in signature recognition process
Autorzy:
Doroz, R.
Wróbel, K.
Powiązania:
https://bibliotekanauki.pl/articles/333622.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
rozpoznawanie podpisu
ukryte modele Markowa
signature recognition
hidden Markov models
Opis:
This paper presents a method of recognition of handwritten signatures with the use of Hidden Markov Models (HMM). The method in question consists in describing each signature with a sequence of symbols. Sequences of symbols were generated on the basis of an analysis of local extremes determined on diagrams of dynamic features of signatures. For this purpose, the method proposed by G.K. Gupta and R.C. Joyce has been modified. The determined sequences were then used as input data for the HMM method. The studies were conducted with the use of the SVC2004 database. The results are competitive in relation to other methods known from the literature.
Źródło:
Journal of Medical Informatics & Technologies; 2012, 21; 75-84
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of parameters of HMM
Dobór parametrów HMM
Autorzy:
Bobulski, J.
Powiązania:
https://bibliotekanauki.pl/articles/156099.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
przetwarzanie obrazów
ukryte modele Markowa
UMM
image processing
hidden Markov models
HMM
Opis:
Hidden Markov models are widely applied in data classification. They are used in many areas. The choice of parameters of HMM is very important because of efficiency of whole identification system. Individual parameters should be matched individually for each system in the experiment way.
Ukryte modele Markowa (ang. Hidden Markov Models - HMM) są szeroko stosowane do klasyfikacji danych w wielu dziedzinach, np. w biometryce do rozpoznawania twarzy lub głosu, rozpoznawania obrazów i dźwięku. Pozwala to na budowanie skutecznych systemów kontroli dostępu do zasobów oraz systemów identyfikacji/autoryzacji osób. Każde z tych zastosowań wymaga specyficznego podejścia do problemu i odpowiedniego zaprojektowania HMM. Dobór Parametrów HMM jest bardzo ważny ze względu za skuteczność systemu identyfikacji. Poszczególne parametry powinny być dobierane indywidualnie dla każdego systemu w sposób eksperymentalny, a badania powinny być przeprowadzone na reprezentatywnej liczbie wzorców. Najważniejszym problemem w projektowaniu systemów opartych o HMM jest wybór architektury modelu, czyli topologii oraz liczby stanów i obserwacji. Wpływ na te parametry ma złożoność i zróżnicowanie danych- sygnałów wejściowych. W przypadku topologii do dyspozycji mamy modele ergodyczne lub left-right. Natomiast przy doborze liczby stanów i obserwacji uwzględniamy typ sygnału wejściowego. Im bardziej złożony i różnorodny, tym te wartości powinny być większe. Należy jednak pamiętać, że im więcej stanów i obserwacji wybierzemy, tym czas estymacji parametrów i czas testowania wydłuży się wykładniczo. Ponadto istnieje granica, powyżej której system nie będzie wykazywał większej skuteczności.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 10, 10; 844-846
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid of neural networks and hidden Markov models as a modern approach to speech recognition systems
Hybryda sieci neuronowych i ukrytych modeli Markowa jako nowoczesne podejście do rozpoznawania mowy
Autorzy:
Sokólski, P.
Rutkowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/276753.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
sztuczne sieci neuronowe
ukryte modele Markowa
MFCC
sterowanie
artificial neural networks
hidden Markov models
speech recognition
control
Opis:
The aim of this paper is to present a hybrid algorithm that combines the advantages of artificial neural networks and hidden Markov models in speech recognition for control purposes. The scope of the paper includes review of currently used solutions, description and analysis of implementation of selected artificial neural network (NN) structures and hidden Markov models (HMM). The main part of the paper consists of a description of development and implementation of a hybrid algorithm of speech recognition using NN and HMM and presentation of verification of correctness results.
Celem artykułu jest przedstawienie algorytmów hybrydowych łączących zalety sztucznych sieci neuronowych i ukrytych modeli Markowa w zastosowaniach rozpoznawania mowy dla potrzeb sterowania. W zakres opracowania wchodzi przegląd stosowanych obecnie rozwiązań, opis i analiza implementacji wybranych struktur sieci neuronowych (NN) oraz ukrytych modeli Markowa (HMM). Główną część artykułu stanowi opis opracowywania hybrydowego algorytmu rozpoznawania mowy wykorzystującego NN i HMM oraz prezentacja wyników weryfikacji poprawności działania.
Źródło:
Pomiary Automatyka Robotyka; 2013, 17, 2; 449-455
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
FPGA implementation of logarithmic versions of Baum-Welch and Viterbi algorithms for reduced precision hidden Markov models
Autorzy:
Pietras, M.
Klęsk, P.
Powiązania:
https://bibliotekanauki.pl/articles/201874.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
hidden Markov models
numerical stability
Viterbi algorithm
parallel architecture
field-programmable gate array
ukryte modele Markowa
stabilność numeryczna
Algorytm Viterbiego
architektura równoległa
Opis:
This paper presents a programmable system-on-chip implementation to be used for acceleration of computations within hidden Markov models. The high level synthesis (HLS) and “divide-and-conquer” approaches are presented for parallelization of Baum-Welch and Viterbi algorithms. To avoid arithmetic underflows, all computations are performed within the logarithmic space. Additionally, in order to carry out computations efficiently – i.e. directly in an FPGA system or a processor cache – we postulate to reduce the floating-point representations of HMMs. We state and prove a lemma about the length of numerically unsafe sequences for such reduced precision models. Finally, special attention is devoted to the design of a multiple logarithm and exponent approximation unit (MLEAU). Using associative mapping, this unit allows for simultaneous conversions of multiple values and thereby compensates for computational efforts of logarithmic-space operations. Design evaluation reveals absolute stall delay occurring by multiple hardware conversions to logarithms and to exponents, and furthermore the experiments evaluation reveals HMMs computation boundaries related to their probabilities and floating-point representation. The performance differences at each stage of computation are summarized in performance comparison between hardware acceleration using MLEAU and typical software implementation on an ARM or Intel processor.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2017, 65, 6; 935-946
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ukryte modele Markowa w analizie wyników testu koniunktury gospodarczej
Hidden Markov Models in Analysis of Results of Business Tendency Surveys
Autorzy:
Bernardelli, Michał
Dędys, Monika
Powiązania:
https://bibliotekanauki.pl/articles/500689.pdf
Data publikacji:
2012
Wydawca:
Szkoła Główna Handlowa w Warszawie
Tematy:
ukryte modele Markowa
algorytm Viterbiego
test koniunktury
punkty zwrotne cyklu koniunkturalnego
hidden Markov models
Viterbi algorithm
business tendency surveys
business cycle turning points
Opis:
W pracy zbadana została możliwość wykorzystania algorytmu Viterbiego do analizy sald odpowiedzi respondentów na pytania testu koniunktury w przemyśle, prowadzonego przez Instytut Rozwoju Gospodarczego Szkoły Głównej Handlowej w Warszawie. W badaniu rozważane były pytania dotyczące oceny stanu obecnego. Do analizy wykorzystane zostały ukryte modele Markowa z warunkowymi rozkładami normalnymi. Pod uwagę brane były modele, w których łańcuchy Markowa mają dwuelementową i trójelementową przestrzeń stanów. Uzyskane wyniki zostały skonfrontowane z pochodzącymi z różnych źródeł datowaniami punktów zwrotnych cyklu koniunkturalnego. Badane modele zostały porównane pod względem skuteczności w wychwytywaniu sygnałów o nadchodzących zmianach w koniunkturze. Przeprowadzone analizy przemawiają za stosowaniem modeli z trzystanowymi łańcuchami Markowa. Wyniki badania sugerują ponadto, iż należy brać pod uwagę opóźnienia między odpowiedziami respondentów a zmianami klimatu koniunktury.
The paper considers the possibility of using the Viterbi algorithm to analyse results of the RIED WSE business surveys in the manufacturing industry.The analysis was focused on the state balances. The hidden Markov models with conditional normal distributions were applied. There were considered models with two-state and three-state Markov chains. The results were compared with the timing of turning points taken from other sources. The tested models were compared in terms of effectiveness in detecting of coming changes in economic conditions. The analysis suggests models with three-state Markov chains be used. The results also suggest that it is necessary to take into account a delay between the opinions of survey respondents and changes in economic climate.
Źródło:
Prace i Materiały Instytutu Rozwoju Gospodarczego SGH; 2012, 90: Badania koniunktury - zwierciadło gospodarki. Część I; 159-181
0866-9503
Pojawia się w:
Prace i Materiały Instytutu Rozwoju Gospodarczego SGH
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies