隐马尔柯夫模型的一种有识别力的反向传播训练方法
该文在一种多层前向神经网络的框架中实现了离散隐马尔柯夫模型(HMM) 的概率计算。基于这一多层前向神经网络框架，该文提出了一咱新的以最大互信息准则为训练准则的有识别力的HMM训练方法，在这一训练方法中， 互信息达到最大是通过梯度上升的优化过程来实现的，而其中所需要的偏导数是通过误差反向传播的方法来有效地计算的。因此，该文将这一新的训练方法称之为HMM的反向传播训练方法。此外，该文还对反向传播训练方法实现过程中易出现数值计算下溢的问题进行了研究。
隐马尔柯夫模型 神经网络 识别力 反向传播
邓伟 赵荣椿
西北工业学计算机科学与工程系(西安)
国内会议
福建邵武
中文
456～464
1999-05-01（万方平台首次上网日期，不代表论文的发表时间）