18
Algoritma
untuk
membentuk re-estimasi parameter
hmm
dengan
Baum-Welch
re-
estimasi adalah sebagai berikut :
1. Untuk
setiap
vektor
parameter/matrik, alokasikan storage
untuk
pembilang dan
penyebut formula Baum-Welch sebagai acumulator.
2. Hitung kemungkinan foreward dan backward untuk semua state j pada waktu t.
3. Untuk setiap state j dan
waktu t,
gunakan probabiltas Lj(t) dan
vektor observasi
saat ini o
t
untuk merubah acumulator pada state itu.
4. Gunakan nilai acumulator terakhir untuk menghitung nilai parameter yang baru.
Jika
nilai P
=
P(O|M)
iterasi saat
ini
kurang dari
iterasi
sebelumnya
maka berhenti
jika tidak ulangi langkah diatas dengan menggunakan nilai parameter yang baru.
2.4 A/D dan HMM
Dalam
permasalahan
ini
konversi
Sinyal
Analog
menjadi
Sinyal
Digital
(A/D)
akan
telah
menghasilkan nilai
dalam bentuk biner
yang
dimana akan
digunakan
dalam
Hidden Markov Model, dengan data yang telah didapatkan akan diperbandingkan
dengan
seluruh
kemungkinan
yang ada
dan
akan
diulang
hingga
mendapatkan
hasil
yang maksimal dengan kemungkinan error yang terkecil.
2.5 Data Learning
Setelah
dirubah
signalnya
maka
saatnya
untuk
membuat
pembelajaran
tentang
apa
yang
dimasukkan,
menurut Evandro Gouvêa
pada
tahun
2008,
sinyal
digital
yang
diterima
memiliki
8
input
untuk
tiap
huruf
yang
diberikan
akan
divariasikan dengan
3
hidden layer dan hanya menghasilkan satu output,berikut adalah salah satu contohnya:
 |