ある種の状態空間モデルのための効率的なデータ増強技術【JST・京大機械翻訳】

Tan Linda S. L.

プレプリント

J-GLOBAL ID：202202207400608600 整理番号：21P0005817

ある種の状態空間モデルのための効率的なデータ増強技術【JST・京大機械翻訳】

Efficient data augmentation techniques for some classes of state space models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2017年12月24日プレプリントサーバーでの情報更新日： 2022年07月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データ増強は,注意深く設計した潜在変数を導入することによって,EMアルゴリズムとGibbsサンプラのような反復アルゴリズムの収束を改善する。本論文では,まず,一次自己回帰+雑音モデルに対するデータ増強スキームを提案し,そこでは,潜在状態の最新化および再スケーリングに対して導入した動作パラメータの最適値を,EMアルゴリズムにおける欠落情報の割合を最小化することにより解析的に導出することができた。次に,提案したデータ増強スキームを用いて,ブロック固有再パラメータ化戦略と結合した正規近似の混合体を介して,いくつかの非Gaussおよび非線形状態空間モデルのBayes推定のための効率的なMarkov連鎖モンテカルロ(MCMC)アルゴリズムを設計した。模擬およびベンチマーク実データセットへの適用は,提案したMCMCサンプラが,センタリング,非センタリング,および,無振動性-十分なインタウィービング戦略と比較して,シミュレーション効率の改善をもたらすことを示している。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

数値計算 , 人工知能 , システム・制御理論一般 , パターン認識 , システム同定

, ,

前のページに戻る