O‘zbekiston respublikasi fanlar akademiyasi

2. Яшириш Марков модели (Hidden Markov Model- HMM) бу статистик 
модел бўлиб, кузатувлар асосидаги яширин параметрлардан иборат модел 
ёрдамида таснифлаш масаласини ечиш имконини беради. HMMда жараённинг 
бошланғич ҳолати берилган ва ҳолатлар ўртасидаги ўтишлар маълум эҳтимоллик 
асосида амалга ошадиган якуний автомат ҳисобланади. Дискрет вақт 
моментларидан сўнг янги ҳолатга ўтиш амалга ошиши мумкин. Шу билан бирга 
ҳар бир берилган эҳтимолликли яширин ҳолатга кузатилаётган ҳолат мос келади. 
Бундан ташқари автоматнинг жорий ҳолати фақат ўзидан олдинги ҳолатга боғлиқ 
бўлади ва ҳолатлар алмашиши қонуни вақт бўйича ўзгармайди [16]. 
3. Vector Quantization.
кириш вектори кетма-кетлиги 
учун 
кодли вектори билан векторли квантлаш масаласи мос 
код вектори Q дан ҳар бир силжиш векторлари фарқларини минималлаштириш 
масаласи сифатида қўйилади. Ушбу усулдаги суҳандон модели код векторлари 
тўплами ҳисобланиб, улар кирувчи нутқ сигнали белгилари векторларидан 
ташкил топади. Ушбу код векторлари тўпламини қуриш учун белгилар вектори L 
кластерларга ажратилади ва код вектори сифатида уларнинг марказлари олинади.
Кириш нутқ сигнали бўйича суҳандонни аниқлаш жараёни қуйидагича 
бажарилади. Ҳар бир тест вектори учун k энг яқин код вектор аниқланади. 
Фараз қилайлик,
векторлар сони топилган яқинлар ичидаги 
суҳандонга 
тегишли бўлсин. У ҳолда векторнинг суҳандонга тегишлилиги эҳтимоли 
қуйидаги формула орқали ҳисобланади.
. 
Бунда тестлаш вектори кетма-кетлигини қуйидаги қоида бўйича 
таснифлаш мумкин. 
Нолга яқин эҳтимолликлар билан боғлиқ ўлчашлар хатолигини силлиқлаш 
мақсадида қуйидаги қоида қўлланилади: 
Векторли квантлаш усулини жорий этиш қулай ва содда бўлиб, мазкур 
усулдан матнга боғлиқ бўлмаган суҳандонни таниб олиш масаласини ечишда ҳам 
фойдаланиш мумкин, бироқ бунда таниб олиш даражаси ҳар доим ҳам юқори 
аниқликда бўлмайди [14].