تعیین رفتار طبقه بندها با کلیشه تصمیم مبتنی بر مدل مخفی مارکوف

مطالعه رفتار طبقه بندها از دیدگاه بررسی خطاهای آنها و ارائه راه حل مناسب برای کاهش خطا و افزایش کارآیی طبقه بندها مورد توجه است. عملکرد ضعیف سیستم شناسایی به دلایل تعداد کم نمونه های یادگیر، نویز در داده ها، استفاده از ویژگی های شکننده به دلیل عدم آگاهی کامل و تسلط کافی بر نوع الگو و استفاده از عملگرهای نامناسب در تعیین پاسخ سیستم، کاهش نرخ شناسایی در تصمیم گیری نهایی را به دنبال دارد. با ارائه مدل مناسب آماری برای رفتار یا پاسخ یک سیستم شناسایی، می توان عملکرد سیستم شناسایی را بهبود داد.
در این مقاله یک کلیشه تصمیم جدید که با استفاده از مدل مخفی مارکوف ایجاد می شود، رفتار نرون های یک شبکه عصبی پس انتشار خطا را، مدل می کند. در روش های موجود ارتباط بین نرون ها و تاثیر متقابل آنها در پاسخ به یک الگو مد نظر قرار نمی گیرد. ولی عملا نرون های یک شبکه عصبی یا اجزای یک طبقه بند، با هم بیان کننده عملکرد آن در قبال یک الگو هستند. بنابراین، با استفاده از یک کلیشه تصمیم جدید مبتنی بر مدل مخفی مارکوف، ارتباط بین نرون های شبکه عصبی و نحوه پاسخ آن به نمونه های یادگیر، مدل می گردد تا از آن در شناسایی الگوهای جدید استفاده شود. روش جدید در مدل کردن رفتار طبقه بند، در سه کاربرد شناسایی ارقام دست نویس فارسی، تشخیص ترافیک عادی در شبکه های اطلاع رسانی و شناسایی نوع وسیله نقلیه آزمون می شود و افزایش قابل توجهی در نرخ شناسایی طبقه بند به دست می دهد.