PrevPB125: Řečová komunikace a dialogové systémyNext

Trénování a rozpoznávání pomocí HMM

  • Trénování parametrů modelu λ=(N,m,n):

    • Cíl trénování - maximalizace pravděpodobnosti P(0|λ).

    • Problém neexistuje analytická metoda ke zjištění globálního maxima funkce n proměnných.

    • Řešení - lze použít iterativní algoritmy zjišťující aspoň lokální maximalitu.

    • Nejpoužívanější postup - Bauman-Welchův algoritmus.

    • Další problémy při trénování modelu:

      • vliv konečné trénovací množiny - čím menší trénovací množina a čím větší matice M, tím větší pravděpodobnost, že některé prvky zůstanou nastaveny na 0.

  • Rozhodovací pravidlo - při rozpoznávání izolovaného slova:

    • Princip maximální věrohodnosti:

      1. Pro slovo O a všechny modely λ spočítáme P(O|λ).

      2. Jako výsledek vybereme třídu s maximální hodnotou P(O|λ).

18