一种针对具有部分和有噪声状态访问的HMM的新型训练算法
机器学习
2012-03-22 v1 机器学习
摘要
本文提出了一种新的估计算法，用于HMM的参数，以最好地解释观测数据。在该模型中，除了观测序列外，我们还可以部分且有噪声地访问隐藏状态序列作为辅助信息。这种访问可视为隐藏状态的“部分标注”。此外，我们在一个联合框架中对辅助信息中可能的错误标注进行建模，并相应地推导出对应的EM更新。在我们的模拟中，我们观察到，使用这种辅助信息，相对于基线算法定义的“可实现裕度”，状态识别性能显著提升，最高可达70%。此外，我们的算法对训练条件具有鲁棒性。
引用
@article{arxiv.1203.4597,
title = {A Novel Training Algorithm for HMMs with Partial and Noisy Access to the States},
author = {Huseyin Ozkan and Arda Akman and Suleyman S. Kozat},
journal= {arXiv preprint arXiv:1203.4597},
year = {2012}
}
备注
Submitted to Digital Signal Processing, Elsevier