Integración del algoritmo LVQ en modelos ocultos de Markov con aplicación al reconocimiento automático de la voz

Resumen

EL PROBLEMA ACOMETIDO EN LA TESIS ES LA ESTIMACION DE LOS VALORES DE LOS PARAMETROS DE LOS MODELOS OCULTOS DE MARKOV UTILIZANDO COMO CRITERIO DE OPTIMIZACION LA MINIMIZACION DEL NUMERO DE ERRORES DE RECONOCIMIENTO SOBRE LOS DATOS UTILIZADOS PARA EL ENTRENAMIENTO, SE DESCRIBE UN PROCEDIMIENTO DE ESTIMACION DENOMINADO COMPETITIVE FORWARD-BACKWARD- (CFB) QUE INTEGRA EN UNO SOLO LOS ALGORITMOS BAUM-WELCH Y LVQ. LA SOLUCION PROPUESTA PUEDE SER CONSIDERADA COMO UNA VARIANTE DEL ENTRENAMIENTO CORRECTIVO, DONDE EL PROCEDIMIENTO DE CLASIFICACION LINEAL HA SIDO SUSTITUIDO POR EL ALGORITMO LVQ3. FINALMENTE SE CONSTATA QUE EL ALGORITMO PROPUESTO OBTIENE MEJORES RESULTADOS DE RECONOCIMIENTO QUE LOS ALGORITMOS DE BAUM-WELCH, ENTRENAMIENTO CORRECTIVO Y ESTIMACION BASADA EN EL CRITERIO DE MAXIMA INFORMACION MUTUA (MMIE).