文献

J-GLOBAL ID：201302216312326210   整理番号：13A0286576

低ランク近似を通したマルコフ連鎖のモデル低減

Model Reduction of Markov Chains via Low-Rank Approximation

著者 (2件)： DENG Kun (Univ. Illinois at Urbana-Champaign, IL) ,  HUANG Dayu (Univ. Illinois at Urbana-Champaign, IL)
資料名： Proceedings of the American Control Conference  (Proceedings of the American Control Conference)
巻： 2012 Vol.4  ページ： 2651-2656  発行年： 2012年 
JST資料番号： B0982A  ISSN： 0743-1619  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルコフ連鎖モデルのためのモデル低減について検討した。目標は,オリジナルのマルコフ遷移行列に低ランク近似を得ることである。核ノルムの規則化最適化問題がこの目的のために調べられる。,2つのマルコフ連鎖の間の類似性を測定するために,Kullback-Leibler発散レートを使用した。核ノルムがランク関数を近似するため使用された。効率的な繰返し最適化アルゴリズが,規則化問題の解を計算するために開発された。30×30の遷移行列を用い,この手法の有効性が数値例を通してデモンストレーションされた。

シソーラス用語： *Markov連鎖 ,  *モデル縮小 ,  状態推移行列 ,  最適化問題 ,  規則化 ,  近似法 ,  類似性
準シソーラス用語： 遷移行列 ,  近似

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： 低ランク近似 ,  マルコフ連鎖 ,  モデル低減