文献

J-GLOBAL ID：202102226731161961   整理番号：21A0068422

比例データのための隠れMarkovモデルの最大事後近似について【JST・京大機械翻訳】

On Maximum A Posteriori Approximation of Hidden Markov Models for Proportional Data

著者 (2件)： Ali Samr (Concordia University,Department of Electrical and Computer Engineering,Montreal,Canada) ,  Bouguila Nizar (Concordia University,Concordia Institute for Information Systems Engineering,Montreal,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： MMSP  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  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： 隠れMarkovモデル(HMM)は,時系列データ研究と解析のための重要な生成機械学習アプローチとして最近上昇している。音声認識のためにHMMを適用することにのみ焦点を合わせたが,HMMはビデオ分類やゲノミクスのような様々な分野で現在顕著である。本論文では,逐次比例データをモデル化するための効率的な方法として最近提案された一般化DirichletHMMを学習するための最大A事後フレームワークを開発した。HMMを学習するために一般的に使用される従来のBaum Welchアルゴリズムとは対照的に,提案したアルゴリズムは望ましいパラメータの学習のために事前の場所を配置する。したがって,推定プロセスを正則化する。挑戦的なビデオ処理アプリケーションに対して,提案アプローチを検証した。すなわち,動的テクスチャ分類である。Copyright 2021 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 ,  音声認識 ,  *近似法 ,  録画装置 ,  応用プログラム ,  正則化 ,  機械学習 ,  *隠れMarkovモデル
準シソーラス用語： ゲノミクス ,  時系列データ ,  テクスチャー分類 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 比例 ,  隠れMarkovモデル ,  近似