論文の概要: Linear chain conditional random fields, hidden Markov models, and
related classifiers
- arxiv url: http://arxiv.org/abs/2301.01293v1
- Date: Tue, 3 Jan 2023 18:52:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-04 14:13:58.612294
- Title: Linear chain conditional random fields, hidden Markov models, and
related classifiers
- Title(参考訳): 線形鎖条件付きランダム場、隠れマルコフモデルおよび関連する分類器
- Authors: Elie Azeraf, Emmanuel Monfrini, Wojciech Pieczynski
- Abstract要約: 条件付ランダム場(CRF)は隠れマルコフモデル(HMM)の代替である
LC-CRF の基本線形鎖 CRF (LC-CRF) は実際,各 LC-CRF に対して HMM が存在するという意味で等価であることを示す。
そこで本研究では,HMMにおける生成ベイズ分類器の最大後次モード (MPM) と最大後次モード (MAP) を識別的に再構成可能であることを示す。
- 参考スコア(独自算出の注目度): 4.984601297028258
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Practitioners use Hidden Markov Models (HMMs) in different problems for about
sixty years. Besides, Conditional Random Fields (CRFs) are an alternative to
HMMs and appear in the literature as different and somewhat concurrent models.
We propose two contributions. First, we show that basic Linear-Chain CRFs
(LC-CRFs), considered as different from the HMMs, are in fact equivalent to
them in the sense that for each LC-CRF there exists a HMM - that we specify -
whom posterior distribution is identical to the given LC-CRF. Second, we show
that it is possible to reformulate the generative Bayesian classifiers Maximum
Posterior Mode (MPM) and Maximum a Posteriori (MAP) used in HMMs, as
discriminative ones. The last point is of importance in many fields, especially
in Natural Language Processing (NLP), as it shows that in some situations
dropping HMMs in favor of CRFs was not necessary.
- Abstract(参考訳): 実践者は60年間、異なる問題に隠れマルコフモデル(HMM)を使用する。
さらに、条件付き確率場(crfs)はhmmの代替であり、異なるモデルと幾分並行モデルとして文献に現れる。
我々は2つの貢献を提案する。
まず, LC-CRF と異なる基本線形鎖 CRF (LC-CRF) は, 各 LC-CRF に対して HMM が存在し, 後部分布が与えられた LC-CRF と同一であることを示す。
第2に,HMMで使用される生成ベイズ分類器の最大後モード (MPM) と最大後モード (MAP) を識別的に再構成可能であることを示す。
最後のポイントは、特に自然言語処理(NLP)において多くの分野において重要である。
関連論文リスト
- Adversarial Schrödinger Bridge Matching [66.39774923893103]
反復マルコフフィッティング(IMF)手順は、マルコフ過程の相互射影と相互射影を交互に交互に行う。
本稿では、プロセスの学習を離散時間でほんの少しの遷移確率の学習に置き換える新しい離散時間IMF(D-IMF)手順を提案する。
D-IMFの手続きは、数百ではなく数世代のステップで、IMFと同じ品質の未完成のドメイン翻訳を提供できることを示す。
論文 参考訳(メタデータ) (2024-05-23T11:29:33Z) - 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) - Fuzzy Cognitive Maps and Hidden Markov Models: Comparative Analysis of
Efficiency within the Confines of the Time Series Classification Task [0.0]
時系列分類における隠れマルコフモデル(HMM)の適用について検討する。
HMM NN (HMM, 1シリーズ), HMM 1C (HMM, 1クラス), FCM NN, FCM 1C の4つのモデルを連続実験で検討した。
論文 参考訳(メタデータ) (2022-04-28T12:41:05Z) - Lite Unified Modeling for Discriminative Reading Comprehension [68.39862736200045]
本稿では,多様な差別的MRCタスクを同期的に扱うために,POS強化反復協調ネットワーク(POI-Net)を提案する。
私たちのライト統一設計は、エンコーダコンポーネントとデコーダコンポーネントの両方で、モデルに大きな改善をもたらします。
4つの識別的MCCベンチマークによる評価結果から,本モデルの有効性と適用性について一貫した評価結果を得た。
論文 参考訳(メタデータ) (2022-03-26T15:47:19Z) - 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) - On equivalence between linear-chain conditional random fields and hidden
Markov chains [6.939768185086753]
著者は通常、条件付きランダムフィールド(CRF)を生成モデルとは全く異なるものとみなす。
自然言語処理(NLP)のようないくつかの領域では、識別モデルは、完全に置換された生成モデルを持つ。
HMC と線形鎖 CRF は異なるのではなく、単に異なるパラメトリゼーションモデルであることを示す。
論文 参考訳(メタデータ) (2021-11-14T15:53:47Z) - Learning Circular Hidden Quantum Markov Models: A Tensor Network
Approach [34.77250498401055]
c-HQMMは制約付きテンソルネットワークと等価であることを示す。
この等価性により、c-HQMMの効率的な学習モデルを提供することができる。
提案手法は6つの実データセットを用いて評価する。
論文 参考訳(メタデータ) (2021-10-29T23:09:31Z) - BERTifying the Hidden Markov Model for Multi-Source Weakly Supervised
Named Entity Recognition [57.2201011783393]
条件付き隠れマルコフモデル(CHMM)
CHMMは、入力トークンのBERT埋め込みからトークン単位の遷移と放出確率を予測する。
BERTベースのNERモデルを微調整し、ラベルをCHMMで推論する。
論文 参考訳(メタデータ) (2021-05-26T21:18:48Z) - Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。
我々は2種類のグラフィカルモデルを提案する。
MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA)
これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
論文 参考訳(メタデータ) (2021-04-27T09:04:22Z) - Malware Classification with GMM-HMM Models [8.02151721194722]
本稿では,GMM-HMMをマルウェア分類に用いた結果と,離散HMMを用いた結果を比較した。
当社のオプコード機能では、GMM-HMMは離散HMMを使用して得られる結果に匹敵する結果をもたらします。
論文 参考訳(メタデータ) (2021-03-03T23:23:48Z) - Robust Classification using Hidden Markov Models and Mixtures of
Normalizing Flows [25.543231171094384]
我々は,隠れマルコフモデル(HMM)の状態遷移と,隠れたHMMの状態に対するニューラルネットワークに基づく確率分布を組み合わせた生成モデルを用いる。
音声認識への応用におけるNMM-HMM分類器の堅牢性の改善を検証する。
論文 参考訳(メタデータ) (2021-02-15T00:40:30Z)
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。