<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1387</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2009</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>2</volume>
<number>2</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>الگوی مارکوف پنهان دوطرفه با حافظه خطی</title_fa>
	<title>A Bidirectional Hidden Markov Model in Linear Memory</title>
	<subject_fa>احتمال  و فرایندهای تصادفی</subject_fa>
	<subject>Probability &amp; Stochastic Processes</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p style=&quot;text-align: justify;&quot;&gt;&amp;nbsp; الگوی مارکوف پنهان در مسائل بیوانفورماتیک کاربرد فراوانی دارد. برای مثال این الگو در هم ردیفی دنباله &amp;shy; ها، تفسیر خانواده &amp;shy; های پروتئین و پیش &amp;shy; بینی ژن بکار می &amp;shy; رود. پارامترهای این الگو از طریق الگوریتم بام-ولش تعلیمی که یک الگوریتم EM است برآورد می شود. بکارگیری کارآمدترین الگوریتمها برای دنباله های طویل نیازمند حجم وسیعی از حافظه می &amp;shy; باشد. در این مقاله روش &amp;shy; های مختلفی از جمله استراتژی پیشرو و استراتژی پسرو را که به منظور کاهش حافظه این الگوریتم ارائه شده &amp;shy; اند معرفی می &amp;shy; کنیم. در ادامه الگوریتمی براساس مشاهدات از راست به چپ و از چپ به راست اعضای دنباله ارائه می شود که دارای حافظه خطی است. کارایی این الگوریتم بر روی داده &amp;shy; های شبیه &amp;shy; سازی شده از پروتئین &amp;shy; ها بررسی می &amp;shy;شود.&lt;/p&gt;

&lt;p align=&quot;right&quot;&gt;&amp;nbsp;&lt;/p&gt;</abstract_fa>
	<abstract>&lt;div style=&quot;text-align: justify;&quot;&gt;Hidden Markov models are widely used in Bioinformatics. They are applied to protein sequence alignment, protein family annotation and gene-finding.The Baum-Welch training is an expectation-maximization algorithm for training the emission and transition probabilities of hidden Markov models. For very long training sequence, even the most efficient algorithms are memory-consuming. In this paper we discuss different approaches to decrease the memory use and compare the performance of different algorithms. In addition, we propose a bidirection algorithm with linear memory. We apply this algorithm to simulated data of protein profile to analyze the strength and weakness of the algorithm.&lt;/div&gt;</abstract>
	<keyword_fa>الگوی مارکوف پنهان, الگوریتم بام-ولش, الگوی دو طرفه, الگوی مارکوف پنهان پروفایل, حافظه خطی.</keyword_fa>
	<keyword>Hidden Markov Models, Baum-Welch Algorithm, Bidirectional Model, Profile Hidden Markov Model, Linear Memory.</keyword>
	<start_page>131</start_page>
	<end_page>148</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-25-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Nasim</first_name>
	<middle_name></middle_name>
	<last_name>Ejlali</last_name>
	<suffix></suffix>
	<first_name_fa>نسیم</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>اجلالی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>10031947532846006601</code>
	<orcid>10031947532846006601</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Tehran University, Tehran, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه تهران</affiliation_fa>
	 </author>


	<author>
	<first_name>Hamid</first_name>
	<middle_name></middle_name>
	<last_name>Pezeshk</last_name>
	<suffix></suffix>
	<first_name_fa>حمید</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>پزشک</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>10031947532846006602</code>
	<orcid>10031947532846006602</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Tehran University, Tehran, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه تهران</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
