NHẬN DẠNG CHUYỂN ĐỘNG QUAY DỰA TRÊN MÔ HÌNH MARKOV ẨN VÀ CONFORMAL GEOMETRIC ALGEBRA
Tóm tắt: 109
| 
PDF: 73 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Đại số hình học
học máy
mô hình xác suất
Mô hình Markov ẩn
mật độ Gauss
Tóm tắt
Ngày nay, các nhà nghiên cứu đã phát triển một công cụ toán học Geometric Algebra có khả năng biểu diễn các đối tượng trong không gian 3 chiều rất chính xác và hiệu quả. Vì vậy, nó có thể ứng dụng vào các lĩnh vực nhận dạng vật thể hay nhận dạng các hành vi của đối tượng 3 chiều. Trong bài báo này, tác giả đã đề xuất mô hình Markov ẩn kết hợp với mật độ xác xuất trên không gian Conformal Geometric Algebra (CGA) nhằm tính toán xác suất của trạng thái ẩn đối với quá trình chuyển đổi trạng thái của cổ tay. Từ kết quả thực nghiệm, phương pháp đề xuất sử dụng CGA Gauss trong việc tính toán mật độ xác suất của trạng thái ẩn sẽ cho kết quả tốt hơn nhiều so với sử dụng hàm mật độ Gauss thông thường.
Tài liệu tham khảo
-
[1] James D. Foley, Andries van Dam, Steven K. Feiner, John F. Hughes, Computer graphics: Principles and practice (2nd ed.), Addision – Wesley Longman Plublishing Co., Inc., Boston, MA, 1990.
[2] Eberlt, D.H. 3D Game Engine Design: A Practical Approach to Real-Time Computer Graphics, Morgan Kaufmann Publishers. 2001.
[3] C. Doran and A. Lasenby, Geometric Algebra for Physicists, Camgridge University Press, 2003.
[4] D. Hestenes, New foundations for classical mechanics, Dordrecht, 1996.
[5] L. Dorst, D. Fontijne, and S. Mann, Geometric Algebra for Computer Science: An Object – oriented Approacg to Geometric (Morgan Kaufmann Series in Computer Graphics), 2007.
[6] I. Sekita, T. Kurita, and N. Otsu, Complex Autoregressive Model for Shape Recognition, IEEE Trans. On Pattern Analysis and Machine Intelligence, Vol. 14, No. 4, 1992.
[7] A. Hirose, Complex – Valued Neural Network: Theories and Applications, Series on Innovative Intelligence, Vol. 5, 2006.
[8] T. Nitta, An Extension of the Back – Propagation Algorithm to Complex Numbers, Neural Network , Volume 10, Number 8, pp. 1391 – 1415 (25), November 1997.
[9] N. Matsui, T. Isokawa, H. Kusamichi, F. Peper, and H. Nishimura, Quaternion Neural Network wwith geometric operators, Journal on Intelligent and Fuzzy Systems, Volume 15, Numbers 3-4, pp 149-164, 2004.
[10] S. Buchholz and N. LeBihan, Optimal separation of polarized signals by quaternionic Neural Network, 14th European Signal Processing Conference, OUSIPCO 2006, Stember 4-8, Florence Italya, 2006.
[11] M.Jordan, J.Kleinberg, B.Scholkopf, InformationScienceandStatistics, 2006.
[12] D.HestenesandG.Sobczyk.CliffordAlgebratoGeometricCalculus:Aunifiedlanguageformathematicsandphysics,Reidel,1984.
[13] P. M. Tuấn, A clustering method for geometric data based on approximation using conformal geometric algebra, 2011 IEEE International Conference on Fuzzy Systems, pp. 2540 – 2545, 2011.
[14] Hildenbrand D., Fontijne D., Perwass Ch., Dorst L., Geometric Algebra an its Application to Computer Graphics. Totorial notes of the EUROGRAPHICS conference 2004 in Grenoble.
[15] E.M.S. Hitzer Ecilidean Geometric Objects in the Cliford Geometric Algebra of Origin, 3-space, Infinity Bulletin of the Belgian Mathematical Society – Simon Stevin 2004.
[16] Kristie Seymore, Andrew McCallum, and Roni Rosenfeld.Learning Hidden Markov Model Structure for Information Extraction. AAAI 99 Workshop on Machine Learning for Information Extraction, 1999.
[17] Lawrence R. Rabiner, Fellow, IEEE. A Tutorial on Hidden Markov Models and Selected Applicatios a Speech Recognition, 1989
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
Jan 31, 2014
Download
Cách trích dẫn
Nguyen Nang Hung Van; Pham Minh Tuan ; Tachibana Kanta. “NHẬN DẠNG CHUYỂN ĐỘNG QUAY DỰA TRÊN MÔ HÌNH MARKOV ẨN VÀ CONFORMAL GEOMETRIC ALGEBRA”. Tạp Chí Khoa học Và Công nghệ Đại học Đà Nẵng, vol 1, số p.h 74.2, Tháng Giêng 2014, tr 84-89, https://jst-ud.vn/jst-ud/article/view/40.
