Fugu-MT 論文翻訳(概要): Filtering for Aggregate Hidden Markov Models with Continuous Observations

論文の概要: Filtering for Aggregate Hidden Markov Models with Continuous Observations

arxiv url: http://arxiv.org/abs/2011.02521v2
Date: Fri, 6 Nov 2020 04:35:35 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 22:05:24.610390
Title: Filtering for Aggregate Hidden Markov Models with Continuous Observations
Title（参考訳）: 連続観測による隠れマルコフモデルに対するフィルタリング
Authors: Qinsheng Zhang, Rahul Singh, Yongxin Chen
Abstract要約: 我々は、各個体が同じ隠れマルコフモデル(HMM)によってモデル化される大集団に対するフィルタリング問題の一類を考察する。本稿では,連続観測集合フォワードバックワードアルゴリズムと呼ばれる集合推論アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 13.467017642143581
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider a class of filtering problems for large populations where each individual is modeled by the same hidden Markov model (HMM). In this paper, we focus on aggregate inference problems in HMMs with discrete state space and continuous observation space. The continuous observations are aggregated in a way such that the individuals are indistinguishable from measurements. We propose an aggregate inference algorithm called continuous observation collective forward-backward algorithm. It extends the recently proposed collective forward-backward algorithm for aggregate inference in HMMs with discrete observations to the case of continuous observations. The efficacy of this algorithm is illustrated through several numerical experiments.
Abstract（参考訳）: 我々は,各個体が同じ隠れマルコフモデル (HMM) によってモデル化される大集団に対するフィルタリング問題を考察する。本稿では,離散状態空間と連続観測空間を持つHMMにおける集合推論問題に焦点をあてる。連続的な観察は、個人が測定と区別できない方法で集約される。本稿では,連続観測集合フォワードバックワードアルゴリズムと呼ばれる集合推論アルゴリズムを提案する。離散観測を伴うhmmにおける集合的推論のための最近提案された集合的前方回帰アルゴリズムを連続観測の場合に拡張する。このアルゴリズムの有効性はいくつかの数値実験によって示される。

関連論文リスト

Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文参考訳（メタデータ） (2023-06-18T08:46:06Z)
Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
累積カウントデータから潜在人口フローを推定する問題について検討する。この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
論文参考訳（メタデータ） (2022-12-30T03:03:23Z)
Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文参考訳（メタデータ） (2022-12-06T12:42:11Z)
Forward-Backward Latent State Inference for Hidden Continuous-Time semi-Markov Chains [28.275654187024376]
HSMMで使用される非サンプリング型潜時状態推論は、潜時半マルコフ連鎖(CTSMC)に一般化可能であることを示す。我々は、観測確率に調整された積分微分前方方程式と後方方程式を定式化し、ベイズ後縁辺の正確な積分方程式を導入する。我々は,従来のHSMMと比較して,潜在状態推論のシナリオにおけるアプローチを評価する。
論文参考訳（メタデータ） (2022-10-17T13:01:14Z)
Learning Hidden Markov Models When the Locations of Missing Observations are Unknown [54.40592050737724]
本研究では、未知の観測位置を持つデータからHMMを学習する際の一般的な問題について考察する。我々は、下層の鎖の構造に関する仮定を一切必要としない再構成アルゴリズムを提供する。適切な仕様の下では、プロセスのダイナミクスを再構築でき、また、見当たらない観測位置が分かっていたとしても、その有効性を示す。
論文参考訳（メタデータ） (2022-03-12T22:40:43Z)
Inference of collective Gaussian hidden Markov models [8.348171150908724]
連続状態集合隠れマルコフモデルのクラスに対する推論問題を考察する。本稿では,集合ガウスフォワードバックワードアルゴリズムという集合推論アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-07-24T17:49:01Z)
Conjugate Mixture Models for Clustering Multimodal Data [24.640116037967985]
マルチモーダルクラスタリングの問題は、データが物理的に異なるセンサーで収集されるたびに発生する。マルチモーダルクラスタリングは,新しいフレームワーク,すなわち共役混合モデル内で対処できることを示す。
論文参考訳（メタデータ） (2020-12-09T10:13:22Z)
Learning Hidden Markov Models from Aggregate Observations [13.467017642143581]
本稿では,時間同次隠れマルコフモデルのパラメータを集約観測から推定するアルゴリズムを提案する。提案アルゴリズムは,予測最大化と最近提案された集合推論アルゴリズムであるシンクホーン信念の伝搬に基づいて構築される。
論文参考訳（メタデータ） (2020-11-23T06:41:22Z)
Incremental inference of collective graphical models [16.274397329511196]
特に、ノイズの多い集合観測からマルコフ鎖の集合限界を推定する問題に対処する。直近の雑音集合観測のスライディングウインドウフィルタを用いたスライディングウインドウSinkhorn belief propagation (SW-SBP)アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-26T15:04:31Z)
A Robust Functional EM Algorithm for Incomplete Panel Count Data [66.07942227228014]
完全無作為な仮定(MCAR)の下での数え上げ過程の平均関数を推定する機能的EMアルゴリズムを提案する。提案アルゴリズムは、いくつかの一般的なパネル数推定手法をラップし、不完全数にシームレスに対処し、ポアソン過程の仮定の誤特定に頑健である。本稿では, 数値実験による提案アルゴリズムの有用性と喫煙停止データの解析について述べる。
論文参考訳（メタデータ） (2020-03-02T20:04:38Z)

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。