論文の概要: Controller-Augmented Hidden Markov Models: A Computational Framework for Constrained Sequential Inference

• arxiv url: http://arxiv.org/abs/2606.13850v1
• Date: Thu, 11 Jun 2026 19:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.603622
• Title: Controller-Augmented Hidden Markov Models: A Computational Framework for Constrained Sequential Inference
• Title（参考訳）: コントローラ拡張型隠れマルコフモデル:制約付きシーケンス推論のための計算フレームワーク
• Authors: Lekha Patel, Luis Damiano,
• Abstract要約: 本稿では Controller-Augmented Hidden Markov Models (CHMM) を提案する。 CHMMは、最小限の十分な履歴を追跡する有限状態コントローラに各制約をコンパイルするフレームワークである。 3つの実世界のシークエンスラベルタスクにおいて,CHMMを6つの代替デコーダに対して評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hidden Markov models are foundational for sequential inference, but their Markovian assumption fails under pathwise constraints such as precedence requirements, visitation cardinalities, or monotonic state progression, which induce long-range dependencies that invalidate standard dynamic programming algorithms. To deal with this, we present Controller-Augmented Hidden Markov Models (CHMMs), a framework that compiles each constraint into a finite-state controller tracking the minimal sufficient history, after which standard forward--backward and Viterbi recursions on the augmented chain compute exact constrained posteriors and maximum a posteriori paths in both discrete and continuous time, the latter through uniformization. We establish four theoretical guarantees: exactness of constrained inference, monotone ascent of constrained EM, inference complexity linear in the controller cardinality, and a total-variation bound under constraint misspecification. A catalog of controller encodings covering 11 constraint families across the ordering, visitation, path, and temporal categories operationalizes the framework. Empirically, we evaluate CHMMs against 6 alternative decoders on 3 real-world sequence-labeling tasks of substantively different character: gene-structure decoding in \emph{Drosophila melanogaster}, free-living activity recognition in CASAS smart-home environments, and protocol-defined human activity recognition from wearable sensors. The results reveal a clean local-versus-cumulative dichotomy in which controller augmentation is uniquely able to recover globally feasible trajectories on cumulative-constraint regimes, whilst simpler decoders are matched in validity on locally-dominated regimes. Together, theory and experiment characterize when exact controller augmentation is necessary and when simpler approaches suffice.
• Abstract（参考訳）: 隠れマルコフモデルは逐次推論の基礎となるが、マルコフの仮定は優先要件、訪問基準、単調状態進行といった経路的制約の下で失敗し、標準的な動的プログラミングアルゴリズムを無効にする長距離依存を誘導する。 これに対応するために、制御器拡張型隠れマルコフモデル(CHMM)を提案する。これは、各制約を最小限の十分な履歴を追跡する有限状態コントローラにコンパイルするフレームワークであり、その後、拡張チェーン上の標準前方およびビタビ再帰は、離散時間と連続時間の両方で、後者を均一化することで、正確な制約付き後部と最大後部経路を計算する。 我々は、制約付き推論の正確性、制約付きEMの単調上昇、コントローラの濃度で線形な推論複雑性、制約的不特定の下での総変分という4つの理論的保証を確立する。 注文、訪問、パス、時間カテゴリにまたがる11の制約ファミリーをカバーするコントローラエンコーディングのカタログは、フレームワークを運用する。 実世界の3つの実世界のシークエンスラベルタスクにおいて,CHMMを6つの代替デコーダに対して実証的に評価した。例えば,emph{Drosophila melanogaster}における遺伝子構造デコード,CASASスマートホーム環境におけるフリーライフアクティビティ認識,ウェアラブルセンサによるプロトコル定義のヒューマンアクティビティ認識である。 その結果, 簡易デコーダは局所的に支配されたレギュレーションに対して有効に適合する一方, 制御器の増強により, 累積制約型レギュレーションにおいてグローバルに実現可能なトラジェクトリを復元できるクリーンな局所逆累積二分法が明らかとなった。 理論と実験は、正確なコントローラ拡張が必要であり、より単純なアプローチが十分であるときに特徴付けられる。

関連論文リスト

• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• Multi-scale Coarse-to-fine Modeling for Test-time Human Motion Control [51.92884966472683]
  MSCoTは、テストタイムの人間のモーション合成と制御のための、マルチスケールで粗い粒度モデルである。 MSCoTは動きを多スケールの階層表現に識別し、各時間スケールでトークンシーケンス全体を予測する。
  論文  参考訳（メタデータ） (2026-05-14T15:09:49Z)
• Fidelity-informed neural pulse compilation of a continuous family of quantum gates with uncertainty-margin analysis [0.0]
  我々は,3量子状態核磁気共鳴(NMR)プロセッサ上で,単一量子ゲート群に対するニューラルパルスコンパイルフレームワークを開発した。 対象のユニタリを校正基底ゲート列に分解する代わりに、SU(2)演算において任意のUの軸角パラメータから直接写像を学習する。 一つのモデルが連続的なゲートパラメータにわたって一般化されることを数値的に示し、ベンチトップ3量子NMRデバイス上での代表パルスを実験的に検証する。
  論文  参考訳（メタデータ） (2026-04-13T11:17:18Z)
• The Emergence of Lab-Driven Alignment Signatures: A Psychometric Framework for Auditing Latent Bias and Compounding Risk in Generative AI [0.0]
  本稿では,不確実性の下での潜在特性推定を定量化する新しい監査フレームワークを提案する。 この研究は最適化バイアス、Sycophancy、Status-Quo Legitimizationを含む9つの次元にわたる主要なモデルを監査している。
  論文  参考訳（メタデータ） (2026-02-19T06:56:01Z)
• Breaking the Stochasticity Barrier: An Adaptive Variance-Reduced Method for Variational Inequalities [0.0]
  非コン最適化タスクのための新しいアルゴリズムとしてVR-A-A(VarianceReduced-Ascent with Armijo)を提案する。 本手法は,手動学習スケジューリングへの依存度を低減して,限界周期を効果的に抑制し,収束を加速することを示す。
  論文  参考訳（メタデータ） (2026-01-30T14:43:07Z)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• Distributionally Robust Control with End-to-End Statistically Guaranteed Metric Learning [5.309590159815129]
  我々は、新しいエンドツーエンド有限ホライズン・ワッサーシュタイン DRC フレームワークを提案する。 これは、異方性ワッサースタインメトリクスの学習と下流制御タスクを閉ループ方式で統合する。 提案手法は,最先端手法と比較して,クローズドループ性能とロバスト性に優れることを示す。
  論文  参考訳（メタデータ） (2025-10-11T13:40:49Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)

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。