論文の概要: Generalization of Auto-Regressive Hidden Markov Models to Non-Linear Dynamics and Non-Euclidean Observation Space

• arxiv url: http://arxiv.org/abs/2302.11834v1
• Date: Thu, 23 Feb 2023 07:46:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-24 16:01:57.105302
• Title: Generalization of Auto-Regressive Hidden Markov Models to Non-Linear Dynamics and Non-Euclidean Observation Space
• Title（参考訳）: 自己回帰隠れマルコフモデルの非線形ダイナミクスおよび非ユークリッド観測空間への一般化
• Authors: Michele Ginesi and Paolo Fiorini
• Abstract要約: 自己回帰型隠れマルコフモデルの2つの一般化を提案する。 この拡張はARHMMのために提案されているが、観測空間内のARダイナミクスを持つ他の潜在変数モデルに容易に拡張できる。
• 参考スコア（独自算出の注目度）: 2.055949720959582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent variable models are widely used to perform unsupervised segmentation of time series in different context such as robotics, speech recognition, and economics. One of the most widely used latent variable model is the Auto-Regressive Hidden Markov Model (ARHMM), which combines a latent mode governed by a Markov chain dynamics with a linear Auto-Regressive dynamics of the observed state. In this work, we propose two generalizations of the ARHMM. First, we propose a more general AR dynamics in Cartesian space, described as a linear combination of non-linear basis functions. Second, we propose a linear dynamics in unit quaternion space, in order to properly describe orientations. These extensions allow to describe more complex dynamics of the observed state. Although this extension is proposed for the ARHMM, it can be easily extended to other latent variable models with AR dynamics in the observed space, such as Auto-Regressive Hidden semi-Markov Models.
• Abstract（参考訳）: 潜在変数モデルは、ロボット工学、音声認識、経済学など、異なる文脈で時系列の教師なしセグメンテーションを行うために広く使われている。 最も広く使われている潜在変数モデルの1つは自己回帰型隠れマルコフモデル(arhmm)であり、マルコフ連鎖ダイナミクスによって制御される潜在モードと観測状態の線形自己回帰ダイナミクスを組み合わせたものである。 本稿では,ARHMMの2つの一般化を提案する。 まず,非線形基底関数の線形結合として記述した,直交空間におけるより一般的なarダイナミクスを提案する。 次に,向きを適切に記述するために,単位四元数空間における線形ダイナミクスを提案する。 これらの拡張により、観測状態のより複雑なダイナミクスを記述することができる。 この拡張はARHMM向けに提案されているが、オート回帰隠れ半マルコフモデルのような観測空間におけるARダイナミックスを持つ他の潜在変数モデルに容易に拡張できる。

関連論文リスト

• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Data-driven ODE modeling of the high-frequency complex dynamics via a low-frequency dynamics model [0.0]
  本稿では,流体流の高周波断続挙動を含む流体力学をモデリングする新しい手法を提案する。 1つは基本変数の自律システムであり、もう1つは目的変数が項に影響を受けていることに関するものである。 構成されたジョイントモデルは、短い軌跡だけでなく、長い軌跡から得られたカオス集合と統計的性質の再構築にも成功している。
  論文  参考訳（メタデータ） (2024-09-01T09:06:32Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Dynamics Harmonic Analysis of Robotic Systems: Application in Data-Driven Koopman Modelling [24.738444847113232]
  我々は,対称ロボットシステムの状態空間を異型部分空間に分解するために調和解析を導入する。 線形力学では、この分解が各部分空間上の独立線型系への力学の分割にどのように繋がるかを特徴づける。 本アーキテクチャは, 合成システムと四足歩行ロボットの運動力学に基づいて, 一般化, サンプル効率, 解釈可能性の向上を図っている。
  論文  参考訳（メタデータ） (2023-12-12T17:34:42Z)
• Prototypical context-aware dynamics generalization for high-dimensional model-based reinforcement learning [40.88574224514982]
  本稿では,時間一貫した潜在コンテキストによって局所的ダイナミクスをキャプチャするプロトタイプ型コンテキスト認識ダイナミクス(ProtoCAD)モデルを提案する。 ProtoCADは、すべての動的一般化タスクに対して平均と中央値のパフォーマンスが13.2%と26.7%向上している。
  論文  参考訳（メタデータ） (2022-11-23T08:42:59Z)
• Initial Correlations in Open Quantum Systems: Constructing Linear Dynamical Maps and Master Equations [62.997667081978825]
  任意の所定の初期相関に対して、開系の作用素の空間上の線型動的写像を導入することができることを示す。 この構造が一般化されたリンドブラッド構造を持つ線形時間局所量子マスター方程式に導かれることを実証する。
  論文  参考訳（メタデータ） (2022-10-24T13:43:04Z)
• Data-driven Control of Agent-based Models: an Equation/Variable-free Machine Learning Approach [0.0]
  複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。 提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM)) 創発力学の数値分岐解析を行うために方程式のない手法を用いる。 我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
  論文  参考訳（メタデータ） (2022-07-12T18:16:22Z)
• Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
  表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。 また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
  論文  参考訳（メタデータ） (2021-04-28T16:48:44Z)
• Equivalence of Segmental and Neural Transducer Modeling: A Proof of Concept [56.46135010588918]
  RNN-Transducerモデルとセグメントモデル(直接HMM)の広く使われているクラスが等価であることを証明する。 空白確率はセグメント長確率に変換され,その逆も示された。
  論文  参考訳（メタデータ） (2021-04-13T11:20:48Z)
• Context-aware Dynamics Model for Generalization in Model-Based Reinforcement Learning [124.9856253431878]
  グローバルなダイナミクスモデルを学習するタスクを,(a)ローカルなダイナミクスをキャプチャするコンテキスト潜在ベクトルを学習し,(b)次に条件付き状態を予測するという2つの段階に分割する。 本研究では,コンテキスト潜在ベクトルに動的情報をエンコードするために,コンテキスト潜在ベクトルを前方と後方の両方のダイナミクスを予測するのに役立つような新しい損失関数を導入する。 提案手法は,既存のRL方式と比較して,様々なシミュレーションロボットや制御タスクの一般化能力に優れる。
  論文  参考訳（メタデータ） (2020-05-14T08:10:54Z)

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。