論文の概要: SeqROCTM: A Matlab toolbox for the analysis of Sequence of Random Objects driven by Context Tree Models

• arxiv url: http://arxiv.org/abs/2009.06371v3
• Date: Thu, 22 Jul 2021 16:38:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 21:30:12.776252
• Title: SeqROCTM: A Matlab toolbox for the analysis of Sequence of Random Objects driven by Context Tree Models
• Title（参考訳）: SeqROCTM:コンテキストツリーモデルによって駆動されるランダムオブジェクトのシーケンス解析のためのマットラブツールボックス
• Authors: Noslen Hern\'andez and Aline Duarte
• Abstract要約: 文脈木モデルによって駆動されるランダムなオブジェクトのテキスト系列という新しいプロセスのクラスが、聴覚統計的学習の文脈においてそのような関係をモデル化するために導入された。 本稿では,新しいプロセスのクラスと3つのモデル選択手順を実装したMatchlabツールボックス(SeqROCTM)を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In several research problems we deal with probabilistic sequences of inputs (e.g., sequence of stimuli) from which an agent generates a corresponding sequence of responses and it is of interest to model the relation between them. A new class of stochastic processes, namely \textit{sequences of random objects driven by context tree models}, has been introduced to model such relation in the context of auditory statistical learning. This paper introduces a freely available Matlab toolbox (SeqROCTM) that implements this new class of stochastic processes and three model selection procedures to make inference on it. Besides, due to the close relation of the new mathematical framework with context tree models, the toolbox also implements several existing model selection algorithms for context tree models.
• Abstract（参考訳）: いくつかの研究課題において、エージェントが対応する応答列を生成する入力の確率的シーケンス(例えば刺激のシーケンス)に対処し、それらの関係をモデル化することに興味がある。 文脈木モデルによって駆動されるランダムオブジェクトの「textit{sequences」と呼ばれる新しい確率過程のクラスが、聴覚統計的学習の文脈においてそのような関係をモデル化するために導入された。 本稿では,この新しい確率的プロセスと3つのモデル選択手順を実装し,その上で推論を行うための自由利用可能なmatlabツールボックス(seqroctm)を提案する。 さらに、新しい数学的フレームワークとコンテキストツリーモデルとの密接な関係から、ツールボックスはコンテキストツリーモデルのための既存のモデル選択アルゴリズムも実装している。

関連論文リスト

• Approximate learning of parsimonious Bayesian context trees [0.0]
  提案するフレームワークは、合成および実世界のデータ例に基づいてテストされる。 これは、実際のタンパク質配列やハニーポットコンピュータターミナルセッションに適合すると、既存のシーケンスモデルより優れている。
  論文  参考訳（メタデータ） (2024-07-27T11:50:40Z)
• Probabilistic Modeling for Sequences of Sets in Continuous-Time [14.423456635520084]
  設定値データを連続的にモデリングするための一般的なフレームワークを開発する。 また,そのようなモデルを用いて確率的クエリに答える推論手法も開発している。
  論文  参考訳（メタデータ） (2023-12-22T20:16:10Z)
• Distributed Bayesian Learning of Dynamic States [65.7870637855531]
  提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。 逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
  論文  参考訳（メタデータ） (2022-12-05T19:40:17Z)
• Language Model Cascades [72.18809575261498]
  テスト時に1つのモデルで繰り返し対話する、あるいは複数のモデルの合成は、さらに機能を拡張する。 制御フローと動的構造を持つ場合、確率的プログラミングのテクニックが必要となる。 この観点から、スクラッチパッド/思考連鎖、検証器、STaR、選択推論、ツール利用など、いくつかの既存のテクニックを定式化します。
  論文  参考訳（メタデータ） (2022-07-21T07:35:18Z)
• Analysis of Random Sequential Message Passing Algorithms for Approximate Inference [18.185200593985844]
  ガウス潜在変数モデルを用いた近似推論のためのランダムシーケンシャルメッセージパッシングアルゴリズムのダイナミクスを解析する。 逐次アルゴリズムが収束しないモデルパラメータの範囲を導出する。
  論文  参考訳（メタデータ） (2022-02-16T17:16:22Z)
• Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
  現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。 合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
  論文  参考訳（メタデータ） (2021-07-07T11:17:09Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Goal-directed Generation of Discrete Structures with Conditional Generative Models [85.51463588099556]
  本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。 提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
  論文  参考訳（メタデータ） (2020-10-05T20:03:13Z)
• Abstractive Summarization with Combination of Pre-trained Sequence-to-Sequence and Saliency Models [11.420640383826656]
  本稿では,テキストの重要部分と事前学習したSeq-to-seqモデルとの相性モデルの有効性について検討する。 組み合わせモデルは、CNN/DMとXSumの両方のデータセット上で、単純な微調整のSeq-to-seqモデルよりも優れていた。
  論文  参考訳（メタデータ） (2020-03-29T14:00:25Z)
• Struct-MMSB: Mixed Membership Stochastic Blockmodels with Interpretable Structured Priors [13.712395104755783]
  混合メンバシップブロックモデル(MMSB)は、コミュニティ検出とネットワーク生成のための一般的なフレームワークである。 最近開発された統計リレーショナル学習モデルであるヒンジロスマルコフ確率場(HL-MRF)を用いた柔軟なMMSBモデル、textitStruct-MMSBを提案する。 我々のモデルは、観測された特徴と会員分布の複雑な組み合わせとして符号化された有意義な潜伏変数を用いて、実世界のネットワークにおける潜伏特性を学習することができる。
  論文  参考訳（メタデータ） (2020-02-21T19:32:32Z)
• Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
  乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。 アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。 ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
  論文  参考訳（メタデータ） (2020-02-20T10:50:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。