文献

J-GLOBAL ID：202002213419577431   整理番号：20A2318892

潜在構造影響モデルにおける扱いやすい推論と観測尤度評価【JST・京大機械翻訳】

Tractable Inference and Observation Likelihood Evaluation in Latent Structure Influence Models

著者 (2件)： Karimi Sajjad (Biomedical Signal and Image Processing Laboratory (BiSIPL), School of Electrical Engineering, Sharif University of Technology, Tehran, Iran) ,  Shamsollahi Mohammad Bagher (Biomedical Signal and Image Processing Laboratory (BiSIPL), School of Electrical Engineering, Sharif University of Technology, Tehran, Iran)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 68  ページ： 5736-5745  発行年： 2020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： 潜在構造影響モデル(LSIM)は,特定の種類の結合隠れMarkovモデル(CHMM)である。CHMMに対して,LSIMは結合Markov連鎖に対する影響モデルを考慮することにより状態空間パラメータの指数関数的成長を克服する。それにもかかわらず,LSIMにおける正確な推論は指数関数的複雑性を必要とする。著者らは,N状態のCチャネルのためにO(TN2C)の代わりにO(T_(NC)2)によって限界前方および後方パラメータを計算するための新しい再帰的定式化を提案し,Tデータ点を観察した。この定式化は,推論精度を増すために,系統的かつ注意深く導出された。さらに,提案した限界フォワードパラメータに基づくLSIMの評価問題に対する解を提示した。この解は統計的マルチチャネル時系列分類に不可欠である。結果は,提案したアルゴリズムが,他の既存のアルゴリズムより,一般的に正確で,信頼できることを示した。限界後方パラメータを導く新規性は,この優位性において重要な役割を演じる。Hellinger距離を,様々なシミュレーションシナリオに対して,提案と正確な前進および1スライスパラメータの間で計算した。距離は十分に小さく,提案した推論アルゴリズムが,様々なチャネル,隠れ状態数,および他のパラメータの正確な推論に十分近いことを示した。統計的マルチチャネル時系列分類も,提案と正確なアルゴリズムの両方に対して考慮した。分類結果はほとんど同じであり,提案した近似推論が分類タスクにおいて適切で許容できることを示した。最後に,iEEGデータセットのパラメータ学習は,提案した推論アルゴリズムが既存のアルゴリズムよりも高い対数尤度をもたらすことを示した。Copyright 2020 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： *アルゴリズム ,  シミュレーション ,  指数関数 ,  Markov連鎖 ,  チャネル ,  定式化 ,  隠れMarkovモデル
準シソーラス用語： 近似推論 ,  マルチチャネル ,  複雑性 ,  *尤度 ,  状態空間 ,  パラメータ学習 ,  対数尤度 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： モデル ,  推論 ,  観測 ,  尤度 ,  評価