文献

J-GLOBAL ID：201902223855800767   整理番号：19A0512081

アルファ-HMM推定アルゴリズム:事前サイクルは高速経路を導く【JST・京大機械翻訳】

The Alpha-HMM Estimation Algorithm: Prior Cycle Guides Fast Paths

著者 (1件)： Matsuyama Yasuo (Research Institute for Science and Engineering, Waseda University, Tokyo, Japan)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 65  号： 13  ページ： 3446-3461  発行年： 2017年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
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： シーケンスに対する生成構造の推定は,このようなデータ源を非組織化された情報の洪水になるようにするためにますます重要になっている。隠れMarkovモデル(HMM)を得ることは,そのようなデータを構築するための中心的な方法である。しかし,ユーザはこのアルゴリズムの遅い速度を認識している。本研究では,α対数と呼ばれる関数に関連する幾何学的情報測度を用いることにより,HMMに対する一般化高速推定法を考案した。α対数尤度比を用いて,高速収束を導くために事前反復を利用した。パラメータアルファを用いて,以前の情報の利用を調整した。因果シフトと級数展開を用いた不動点アプローチがこの利得の原因である。ソフトウェア実装のために,著者らは,アンダーフローを避けるための確率スケーリングを提示した。そこでは,著者らは,欠陥補正をde facto標準に一般化した。更新機構に対しては,パラメータαに関連してショットガン代理と呼ばれる方法から始めた。次に,アルファの制御と非実行を用いる動的バージョンを得た。実際の状態モデルに対する生物学的配列と脳信号に関する実験により,Baum-Welch法と比較して有意な高速化が達成されることを実証した。状態モデルを制限する効果も報告した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速化 ,  対数 ,  級数展開 ,  不動点 ,  測度 ,  利得 ,  *高速度 ,  洪水 ,  *アルゴリズム ,  パラメータ ,  ソフトウェア ,  隠れMarkovモデル
準シソーラス用語： 対数尤度比 ,  推定法 ,  *推定アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： HMM ,  推定アルゴリズム ,  サイクル ,  経路