会员服务
隐马尔可夫模型 · MoDELS · Baum-Welch算法 · 欧氏空间 · 同质 ·
2021 年 2 月 15 日
Online learning of Riemannian hidden Markov models in homogeneous Hadamard spaces
翻译：在线学习Riemannian隐藏在同质Hadamard空间的Markov模型
Quinten Tupker,Salem Said,Cyrus Mostajeran
Quinten Tupker,Salem Said,Cyrus Mostajeran

Hidden Markov models with observations in a Euclidean space play an important role in signal and image processing. Previous work extending to models where observations lie in Riemannian manifolds based on the Baum-Welch algorithm suffered from high memory usage and slow speed. Here we present an algorithm that is online, more accurate, and offers dramatic improvements in speed and efficiency.


翻译：隐藏的 Markov 模型在欧几里德空间的观测中,在信号和图像处理中起着重要作用。 先前的工作延伸至基于 Baum- Welch 算法的里曼尼方块的观测模型,其内存使用率高且速度慢。 我们在这里展示了一个在线、更准确、速度和效率显著提高的算法。
0
下载
关闭预览

相关内容

隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。 其是在被建模的系统被认为是一个马尔可夫过程与未观测到的（隐藏的）的状态的统计马尔可夫模型。
【DeepMind】基于模型的强化学习，174页ppt，Model-Based Reinforcement Learning
【DeepMind】基于模型的强化学习，174页ppt，Model-Based Reinforcement Learning
专知会员服务
83+阅读 · 2021年1月12日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
158+阅读 · 2020年1月16日
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
专知会员服务
19+阅读 · 2019年12月2日
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
专知会员服务
32+阅读 · 2019年11月30日
【牛津大学Yee Whye Teh 】论深度学习中的统计思维（On Statistical Thinking in Deep Learning），附49页ppt
【牛津大学Yee Whye Teh 】论深度学习中的统计思维（On Statistical Thinking in Deep Learning），附49页ppt
专知会员服务
57+阅读 · 2019年11月24日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
32+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
57+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
145+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
171+阅读 · 2019年10月11日
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【推荐】自然语言处理（NLP）指南
【推荐】自然语言处理（NLP）指南
机器学习研究会
35+阅读 · 2017年11月17日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
已删除
已删除
将门创投
4+阅读 · 2017年11月1日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
A Riemannian smoothing steepest descent method for non-Lipschitz optimization on submanifolds
Arxiv
0+阅读 · 2021年4月9日
Stopping Criterion for Active Learning Based on Error Stability
Arxiv
0+阅读 · 2021年4月9日
Fixed-Domain Inference for Gausian Processes with Matérn Covariogram on Compact Riemannian Manifolds
Arxiv
0+阅读 · 2021年4月8日
Deep Learning
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
Variational Bayesian Reinforcement Learning with Regret Bounds
Arxiv
3+阅读 · 2018年7月25日
Online Deep Metric Learning
Arxiv
8+阅读 · 2018年5月15日
SpectralLeader: Online Spectral Learning for Single Topic Models
Arxiv
4+阅读 · 2018年4月26日
Accelerated Reinforcement Learning
Arxiv
6+阅读 · 2018年4月24日
Learning View-Specific Deep Networks for Person Re-Identification
Arxiv
7+阅读 · 2018年3月30日
Parameter Space Noise for Exploration
Arxiv
3+阅读 · 2018年1月31日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
隐马尔可夫模型
MoDELS
Baum-Welch算法
欧氏空间
同质
相关VIP内容
【DeepMind】基于模型的强化学习，174页ppt，Model-Based Reinforcement Learning
【DeepMind】基于模型的强化学习，174页ppt，Model-Based Reinforcement Learning
专知会员服务
83+阅读 · 2021年1月12日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
158+阅读 · 2020年1月16日
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
在线变分推断，76页ppt，A Regret Bound for Online Variational Inference
专知会员服务
19+阅读 · 2019年12月2日
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）
专知会员服务
32+阅读 · 2019年11月30日
【牛津大学Yee Whye Teh 】论深度学习中的统计思维（On Statistical Thinking in Deep Learning），附49页ppt
【牛津大学Yee Whye Teh 】论深度学习中的统计思维（On Statistical Thinking in Deep Learning），附49页ppt
专知会员服务
57+阅读 · 2019年11月24日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
32+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
57+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
145+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
171+阅读 · 2019年10月11日
热门VIP内容
相关资讯
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【推荐】自然语言处理（NLP）指南
【推荐】自然语言处理（NLP）指南
机器学习研究会
35+阅读 · 2017年11月17日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
已删除
已删除
将门创投
4+阅读 · 2017年11月1日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
A Riemannian smoothing steepest descent method for non-Lipschitz optimization on submanifolds
Arxiv
0+阅读 · 2021年4月9日
Stopping Criterion for Active Learning Based on Error Stability
Arxiv
0+阅读 · 2021年4月9日
Fixed-Domain Inference for Gausian Processes with Matérn Covariogram on Compact Riemannian Manifolds
Arxiv
0+阅读 · 2021年4月8日
Deep Learning
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
Variational Bayesian Reinforcement Learning with Regret Bounds
Arxiv
3+阅读 · 2018年7月25日
Online Deep Metric Learning
Arxiv
8+阅读 · 2018年5月15日
SpectralLeader: Online Spectral Learning for Single Topic Models
Arxiv
4+阅读 · 2018年4月26日
Accelerated Reinforcement Learning
Arxiv
6+阅读 · 2018年4月24日
Learning View-Specific Deep Networks for Person Re-Identification
Arxiv
7+阅读 · 2018年3月30日
Parameter Space Noise for Exploration
Arxiv
3+阅读 · 2018年1月31日
Top
微信扫码咨询专知VIP会员
Top