隐马尔柯夫模型的一种有识别力的反向传播训练方法

摘要

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。