Optymalizacja modeli HMM oraz ich zastosowanie w rozpoznawaniu mowy

• Autorzy: Szostek K.

Warianty tytułu

EN

Optimalization of the models HMM and their application in speech recognition

• Języki publikacji: PL

Abstrakty

PL

Modelowanie sygnału mowy za pomocą niejawnych modeli Markowa HMM (hidden Markov model) stanowi jeden z najefektywniejszych sposobów rozpoznawania mowy. Niniejszy artykuł poświęcony jest podstawom matematycznym teorii niejawnych modeli Markowa. Szczególną uwagę zwrócono w nim na wyprowadzenie zależności pozwalających stosować modele HMM do modelowania sygnałów. W pierwszej części artykułu przedstawiono wyprowadzenie zależności pozwalające dobierać parametry modelu procesu Markowa. W dalszej części artykułu przedstawione są wyprowadzenia zależności pozwalające w sposób krokowy dobierać parametry modelu łańcucha Markowa. Opisane metody oparte są na minimalizacji prawdopodobieństwa wygenerowania losowej w czasie sekwencji obserwacji w funkcji parametrów modelu. W przedstawionych w artykule wyprowadzeniach na zależności pozwalające optymalizować modele HMM wykorzystano metodę mnożników Lagrange'a.

EN

Modeling the speech signal with the use of hidden Markov models HMM constitutes one of the most effective ways of speech recognition. This article is devoted to mathematical bases of the theory of hidden Markov models. Special attention was paid in it to derivation of dependencies allowing appłying the models HMM for modeling signals. In the first part of the article there was presented derivation of dependencies allowing selection of parameters of the model of Markov process. In the further part of the article there are presented derivations of dependencies allowing sełecting parameters of the model of Markov chain in a stage way. The described methods are based on minimization of the probability of generating random-in-time sequence of observation in the function of parameters of the model. The method of Lagrange's multipliers was used in the derivations for dependencies, presented in the article, allowing optimizing the models HMM.

Słowa kluczowe

PL

proces losowy; model Markova; model HMM; optymalizacja

EN

rondom process; Markov model; model HMM; optimization

• Wydawca: Wydawnictwa AGH
• Czasopismo: Elektrotechnika i Elektronika
• Rocznik: 2005
• Tom: T. 24, z. 2
• Strony: 172--182
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Szostek K.

• Studia doktoranckie, Wydział EAIiE AGH,

Bibliografia

• [1] MacDonald I.L., Zucchini W.: Hidden Markov and Other Models for Discrete-valued Time Series. London, Chapman & Hall 1997, ISBN 0-412-55850-5
• [2] Juang B.H., Rabiner L.R.: Hidden Markov models for speach recognition. Technometrics, 33(3), 1991, 251-272
• [3] Dempster A.P, Laird N.M., Rubin D.B.: Maximum likelihood from incomplete data via the EM algorithm. J. Roy. Stat. Soc., 39(1), 1977, 1-38
• [4] Levison S.E., Rabiner L.R., Sondhi M.M.: An Introduction to the Application of the Propabilistic Functions if a Markov Process to Automatic Speech Recognition. Bell System Tech. J., 62, April 1983, 4,1035-1074
• [5] Shomali M., Kapusta M., Gajer M.: Zastosowanie niejawnych modeli Markowa w systemach automatycznego rozpoznawania mowy Kwartalnik AGH, Elektrotechnika i Elektronika, t. 18, z. 3, 1999, 89-98
• [6] Gąciarz T.: Hidden Markov Model (HMM) - opis modelu i algorytmów pod kątem wykorzystania w problemach rozpoznawania mowy i pisma. Elektrotechnika, t. 17, z. 1, 1998, 17-31
• [7] Iosifescu M.: Skończone procesy Markowa i ich zastosowania. Warszawa, PWN 1988