تشخیص حالت دست با استفاده از میدان تصادفی شرطی پنهان پنجرهای با پارامترهای غیرمشترک
محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 629
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT08_061
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
مدل های گرافی احتمالاتی با لایه مخفی چارچوبی قدرتمند برای دسته بندی دنباله ای از داده ها ارائه می کنند. میدان تصادفی شرطیبا حالات پنهان (HCRF) از جمله مدل های تفکیکی است که از لایه مخفی استفاده کرده و وزن های مشترکی را برای تمامی قاب ها یادمی گیرد. در این مقاله با الهام از HCRF مدلی جدید معرفی می کنیم که در پنجرهای از متغیرهای مخفی وزن های مجزا (غیرمشترک)برای هر متغیر مخفی یاد می گیرد. همچنین در مدل پیشنهادی، بر خلاف HCRF ، تعداد حالات مخفی برای هرکدام از متغیرهای پنهانعضو پنجره می تواند متفاوت انتخاب شود. این کار با کاهش فضای حالت جستجو برای متغیرهای مخفی سرعت و کیفیت استنتاج رابهبود داده و امکان انتساب ناهمسان اهمیت به تک فریم ها را فراهم می آورد. در عین حال ما با اتصال زنجیروار خروجی پنجره های متوالیامکان نشر اطلاعات بین برچسب های هر پنجره را فراهم می آوریم. آزمایش های ما بر روی کاربرد تشخیص حالت دست صورت گرفته کهنشان دهنده عملکرد بهتر مدل پیشنهادی نسبت به سایر مدل های گرافی احتمالاتی در این حوزه است.
کلیدواژه ها:
پارامترهای غیرمشترک ، میدان تصادفی شرطی با حالات پنهان پنجرهای (WHCRF) ، حالات مخفی ، تشخیص حالت حرکت
نویسندگان
مصطفی رفیعی
دانشگاه فردوسی مشهد
سیدکمال الدین غیاثی شیرازی
دانشگاه فردوسی مشهد
احد هراتی
دانشگاه فردوسی مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :