روشي جديد براي برچسب‌زدن داده‌هاي داراي توالي بر اساس تركيب خبرگان

مسئله‌ي برچسب‌زني رشته يكي از مسائل مهم حوزه‌ي بينايي ماشين است كه در آن به عناصر دنباله اي از تصاوير برچسب مناسب نسبت داده مي‌شود. در اينگونه مسائل اغلب مي‌توان ساختار ورودي-خروجي را به شكل يك مدل احتمالاتي گرافي در نظر گرفته و از اين طريق وابستگي‌هاي ميان مشاهدات و برچسب‌ها را روشن‌تر نشان داد. ميدان تصادفي شرطي يكي از مهم‌ترين مدل‌هاي احتمالاتي است كه كاربرد زيادي در مسئله‌ي برچسب‌زني رشته دارد. اين مدل افتراقي بوده و از نوع مدل‌هاي شرطي به شمار مي‌آيد. از طرفي ديگر مدل تركيب خبرگان با تقسيم‌بندي فضاي ورودي و تمركز هر شبكه‌ي خبره بر يادگيري ناحيه‌اي از فضا مي‌تواند سبب افزايش دقت در مدل‌ها شود. در اين مقاله روشي براي تلفيق ميدان تصادفي شرطي و تركيب خبرگان ارا‌ئه شده است. براي اين كار تعدادي خبره از نوع شبكه‌هاي عصبي ميان لايه‌ي ورودي و خروجي در ميدان تصادفي شرطي قرار داده شده‌اند كه با توجه به توزيع و ساختار داده‌ها مي‌توانند ويژگي‌هاي سطح بالاتري را از رشته‌هاي مشاهدات بدست آورند. نتايج آزمايش‌هاي انجام گرفته بر روي تصاوير كلمات انگليسي كه بصورت دنباله‌اي از تصاوير حروف تبديل شده‌اند نشان داد كه مدل ارا‌ئه شده بهبود قابل توجهي نسبت به مدل‌هاي رقيب دارد.