論文の概要: Advanced posterior analyses of hidden Markov models: finite Markov chain imbedding and hybrid decoding

• arxiv url: http://arxiv.org/abs/2504.15156v1
• Date: Mon, 21 Apr 2025 14:58:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 15:43:30.498143
• Title: Advanced posterior analyses of hidden Markov models: finite Markov chain imbedding and hybrid decoding
• Title（参考訳）: 隠れマルコフモデルの高度な後続解析:有限マルコフ連鎖埋め込みとハイブリッド復号
• Authors: Zenia Elise Damgaard Bæk, Moisès Coll Macià, Laurits Skov, Asger Hobolth,
• Abstract要約: 有限マルコフ連鎖埋め込み(FMCI)とハイブリッドデコーディングを記述し、これらの2つの課題をそれぞれ解決する。 本論文の前半では,隠れ状態への訪問数などの要約統計の後方分布をFMCIを用いて計算する。 本論文の第2部では,HMMの復号化にハイブリッドセグメンテーションを適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Two major tasks in applications of hidden Markov models are to (i) compute distributions of summary statistics of the hidden state sequence, and (ii) decode the hidden state sequence. We describe finite Markov chain imbedding (FMCI) and hybrid decoding to solve each of these two tasks. In the first part of our paper we use FMCI to compute posterior distributions of summary statistics such as the number of visits to a hidden state, the total time spent in a hidden state, the dwell time in a hidden state, and the longest run length. We use simulations from the hidden state sequence, conditional on the observed sequence, to establish the FMCI framework. In the second part of our paper we apply hybrid segmentation for improved decoding of a HMM. We demonstrate that hybrid decoding shows increased performance compared to Viterbi or Posterior decoding (often also referred to as global or local decoding), and we introduce a novel procedure for choosing the tuning parameter in the hybrid procedure. Furthermore, we provide an alternative derivation of the hybrid loss function based on weighted geometric means. We demonstrate and apply FMCI and hybrid decoding on various classical data sets, and supply accompanying code for reproducibility.
• Abstract（参考訳）: 隠れマルコフモデルの応用における2つの主要な課題は 一 隠された状態列の要約統計の分布計算及び (ii)隠された状態シーケンスをデコードする。 有限マルコフ連鎖埋め込み(FMCI)とハイブリッドデコーディングを記述し、これらの2つの課題をそれぞれ解決する。 本論文の前半では,隠れ状態の訪問数,隠れ状態の滞在時間,隠れ状態の居住時間,最長走行距離などの要約統計の後方分布をFMCIを用いて計算する。 我々は、FMCIフレームワークを確立するために、観測されたシーケンスの条件である隠れ状態シーケンスからのシミュレーションを使用する。 本論文の第2部では,HMMの復号化にハイブリッドセグメンテーションを適用した。 ハイブリット復号法では,ビタビやポストリア復号法に比べて性能が向上することを示し(グローバル復号法やローカル復号法とも呼ばれる),ハイブリット・プロシージャでチューニングパラメータを選択する新たな手法を提案する。 さらに、重み付き幾何学的手段に基づくハイブリッド損失関数の代替的導出を行う。 我々は、FMCIとハイブリッドデコーディングを様々な古典的データセットで実証、適用し、再現性のために付随するコードを供給する。

関連論文リスト

• Unifying Autoregressive and Diffusion-Based Sequence Generation [2.3923884480793673]
  本稿では,拡散に基づく系列生成モデルの拡張について述べる。 個別のトークン位置に異なるノイズスケジュールを割り当てるハイパースケジューリングを導入する。 第2に,吸収過程と一様過程の間に介在する2つのハイブリッドトークン単位のノイズ発生過程を提案し,過去の誤りを解消する。
  論文  参考訳（メタデータ） (2025-04-08T20:32:10Z)
• Content-aware Balanced Spectrum Encoding in Masked Modeling for Time Series Classification [25.27495694566081]
  マスクド・モデリング・スキームにおけるスペクトル空間の符号化品質を最適化する補助的コンテンツ認識バランスド・デコーダ(CBD)を提案する。 CBDは一連の基本ブロックを反復し、2つの調整されたユニットのおかげで、各ブロックは徐々にマスクされた表現を洗練させることができた。
  論文  参考訳（メタデータ） (2024-12-17T14:12:20Z)
• UGMAE: A Unified Framework for Graph Masked Autoencoders [67.75493040186859]
  グラフマスク付きオートエンコーダのための統一フレームワークであるUGMAEを提案する。 まず,ノードの特異性を考慮した適応型特徴マスク生成器を開発した。 次に,階層型構造再構成と特徴再構成を併用し,総合的なグラフ情報を取得する。
  論文  参考訳（メタデータ） (2024-02-12T19:39:26Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [70.26374282390401]
  ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。 本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Stochastic Gradient Descent under Markovian Sampling Schemes [3.04585143845864]
  マルコフ型サンプリングスキームにのみアクセス可能なバニラ勾配勾配の変動について検討する。 我々は、基礎となるマルコフ連鎖で可能な最小限の制限的な仮定の下で収束率を得ることに焦点をあてる。
  論文  参考訳（メタデータ） (2023-02-28T09:18:00Z)
• Mutual Exclusivity Training and Primitive Augmentation to Induce Compositionality [84.94877848357896]
  最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。 本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。 広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
  論文  参考訳（メタデータ） (2022-11-28T17:36:41Z)
• Efficient Learning and Decoding of the Continuous-Time Hidden Markov Model for Disease Progression Modeling [119.50438407358862]
  本稿では,CT-HMMモデルに対する効率的なEMベースの学習手法の完全な特徴付けについて述べる。 EMに基づく学習は、後状態確率の推定と、状態条件付き統計量の計算という2つの課題から成り立っていることを示す。 緑内障データセットとアルツハイマー病データセットを用いて,100以上の状態のCT-HMMを用いて疾患進行の可視化と予測を行う。
  論文  参考訳（メタデータ） (2021-10-26T20:06:05Z)
• Avoiding The Double Descent Phenomenon of Random Feature Models Using Hybrid Regularization [2.7393821783237184]
  ランダム特徴モデル(RFM)のトレーニングにおいて生じる二重降下現象を自動的に回避するハイブリッド正規化手法の有効性を示す。 ハイブリッド法は、最も一般的な2種類の正則化(早期停止と重量減少)のそれぞれの強さを組み合わせる。 本稿では,数値実験を行うためのコードを提案する。
  論文  参考訳（メタデータ） (2020-12-11T22:42:34Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
  本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。 本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
  論文  参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。