論文の概要: Learning Hidden Markov Models from Aggregate Observations

• arxiv url: http://arxiv.org/abs/2011.11236v2
• Date: Sun, 14 Nov 2021 18:09:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 03:21:53.922801
• Title: Learning Hidden Markov Models from Aggregate Observations
• Title（参考訳）: 集合観測から隠れマルコフモデルを学ぶ
• Authors: Rahul Singh, Qinsheng Zhang, Yongxin Chen
• Abstract要約: 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。
• 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: In this paper, we propose an algorithm for estimating the parameters of a time-homogeneous hidden Markov model from aggregate observations. This problem arises when only the population level counts of the number of individuals at each time step are available, from which one seeks to learn the individual hidden Markov model. Our algorithm is built upon expectation-maximization and the recently proposed aggregate inference algorithm, the Sinkhorn belief propagation. As compared with existing methods such as expectation-maximization with non-linear belief propagation, our algorithm exhibits convergence guarantees. Moreover, our learning framework naturally reduces to the standard Baum-Welch learning algorithm when observations corresponding to a single individual are recorded. We further extend our learning algorithm to handle HMMs with continuous observations. The efficacy of our algorithm is demonstrated on a variety of datasets.
• Abstract（参考訳）: 本稿では,集合観測から時間均質な隠れマルコフモデルのパラメータを推定するアルゴリズムを提案する。 この問題は、各段階における個体数の個体数のみが利用可能であり、そこから隠れマルコフモデルを学習しようとする場合に発生する。 本アルゴリズムは,期待最大化と最近提案されている集合的推論アルゴリズムであるspinhorn belief propagationに基づいている。 非線型信念伝播による期待最大化などの既存手法と比較して,本アルゴリズムは収束保証を示す。 さらに,単一個体に対応する観測記録を行う場合,学習フレームワークは標準ボーム・ウェルチ学習アルゴリズムに自然に還元される。 さらに,HMMを連続観測で処理する学習アルゴリズムを拡張した。 このアルゴリズムの有効性は様々なデータセットで実証されている。

関連論文リスト

• Making Old Things New: A Unified Algorithm for Differentially Private Clustering [6.320600791108065]
  20年前のアルゴリズムは、いずれのモデルでも、わずかに修正可能であることを示す。 これは統一された図を提供する: ほとんどすべての既知結果とマッチングする一方で、いくつかの改善を可能にします。
  論文  参考訳（メタデータ） (2024-06-17T15:31:53Z)
• Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
  部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究 まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。 次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
  論文  参考訳（メタデータ） (2023-06-21T16:04:03Z)
• Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
  本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。 本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。 具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
  論文  参考訳（メタデータ） (2023-02-28T16:53:41Z)
• 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)
• Geometric Learning of Hidden Markov Models via a Method of Moments Algorithm [11.338112397748619]
  本稿では,隠れマルコフモデル(HMM)のパラメータを幾何学的に学習するための新しいアルゴリズムを提案する。 本稿では,既存の学習者と比較して,学習者の速度と数値的精度が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2022-07-02T12:24:38Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• 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)
• Filtering for Aggregate Hidden Markov Models with Continuous Observations [13.467017642143581]
  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。
  論文  参考訳（メタデータ） (2020-11-04T20:05:36Z)
• 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)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。