Learning parametric-output hmms with two aliased states

Roi Weiss, Boaz Nadler

نتاج البحث: فصل من :كتاب / تقرير / مؤتمرمنشور من مؤتمرمراجعة النظراء

3 اقتباسات (Scopus)

ملخص

In various applications involving hidden Markov models (HMMs), some of the hidden states are aliased, having identical output distributions. The minimality, identifiability and learnability of such aliased HMMs have been long standing problems, with only partial solutions provided thus far. In this paper we focus on parametric-output HMMs, whose output distributions come from a parametric family, and that have exactly two aliased states. For this class, we present a complete characterization of their minimality and identifiability. Furthermore, for a large family of parametric output distributions, we derive computationally efficient and statistically consistent algorithms to detect the presence of aliasing and learn the aliased HMM transition and emission parameters. We illustrate our theoretical analysis by several simulations.

اللغة الأصليةالإنجليزيّة
عنوان منشور المضيف32nd International Conference on Machine Learning, ICML 2015
المحررونFrancis Bach, David Blei
الصفحات635-644
عدد الصفحات10
رقم المعيار الدولي للكتب (الإلكتروني)9781510810587
حالة النشرنُشِر - 2015
منشور خارجيًانعم
الحدث32nd International Conference on Machine Learning, ICML 2015 - Lile, فرنسا
المدة: ٦ يوليو ٢٠١٥١١ يوليو ٢٠١٥

سلسلة المنشورات

الاسم32nd International Conference on Machine Learning, ICML 2015
مستوى الصوت1

!!Conference

!!Conference32nd International Conference on Machine Learning, ICML 2015
الدولة/الإقليمفرنسا
المدينةLile
المدة٦/٠٧/١٥١١/٠٧/١٥

بصمة

أدرس بدقة موضوعات البحث “Learning parametric-output hmms with two aliased states'. فهما يشكلان معًا بصمة فريدة.

قم بذكر هذا