neuroevolution mechanism for hidden markov model

آلية التطور العصبي لنموذج ماركوف الخفي

Clicks: 244
ID: 229829
2011
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Popular

Ranked #24 of 42 articles by views in isprs annals of the photogrammetry, remote sensing and spatial information sciences

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Hidden Markov Model (HMM) is a statistical model based on probabilities. HMM is becoming one of the major models involved in many applications such as natural language<br />processing, handwritten recognition, image processing, prediction systems and many more. In this research we are concerned with finding out the best HMM for a certain application domain. We propose a neuroevolution process that is based first on converting the HMM to a neural network, then generating many neural networks at random where each represents a HMM. We proceed by<br />applying genetic operators to obtain new set of neural networks where each represents HMMs, and updating the population. Finally select the best neural network based on a fitness function.
يُعد نموذج ماركوف الخفي (HMM) نموذجاً إحصائياً قائماً على الاحتمالات. وقد أصبح نموذج ماركوف الخفي أحد النماذج الرئيسية المستخدمة في العديد من التطبيقات، مثل معالجة اللغات<br />الطبيعية، والتعرف على الكتابة اليدوية، ومعالجة الصور، وأنظمة التنبؤ، وغيرها الكثير. نُعنى في هذا البحث بإيجاد أفضل نموذج ماركوف خفي لمجال تطبيقي معين؛ حيث نقترح عملية تطور عصبي تقوم أولاً على تحويل نموذج ماركوف الخفي إلى شبكة عصبية، ثم توليد العديد من الشبكات العصبية عشوائياً بحيث تمثل كل منها نموذج ماركوف خفي. ونواصل بعد ذلك عبر<br />تطبيق المؤثرات الجينية للحصول على مجموعة جديدة من الشبكات العصبية تمثل كل واحدة منها نماذج ماركوف خفية، ومن ثم تحديث مجتمع الحلول. وأخيراً، يتم اختيار الشبكة العصبية الأفضل بناءً على دالة اللياقة.
Reference Key
hewahi2011brain:neuroevolution Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Nabil M. Hewahi
Are you one of these authors? Claim your profile
Journal isprs annals of the photogrammetry, remote sensing and spatial information sciences
Year 2011
DOI
DOI not found
URL
http://brain.edusoft.ro/index.php/brain/article/view/286
Keywords
neural networks computer science diseases of the nervous systemelectronic computers

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.