自回归隐马尔可夫模型到非线性动力学与单位四元数观测空间的推广
机器人学
2023-08-11 v2 机器学习
摘要
潜变量模型被广泛用于在不同语境下（如机器人学、语音识别与经济学）对时间序列进行无监督分割。其中最广泛使用的潜变量模型之一是自回归隐马尔可夫模型（ARHMM），它将在马尔可夫链动力学支配下的潜模态与观测状态的线性自回归动力学相结合。在本工作中，我们提出 ARHMM 的两种推广。首先，我们提出笛卡尔空间中更一般的 AR 动力学，描述为非线性基函数的线性组合。其次，我们提出单位四元数空间中的线性动力学，以恰当描述朝向。这些扩展允许描述观测状态更复杂的动力学。尽管该扩展是针对 ARHMM 提出的，它可轻易推广至其他在观测空间具有 AR 动力学的潜变量模型，如自回归隐半马尔可夫模型。
引用
@article{arxiv.2302.11834,
title = {Generalization of Auto-Regressive Hidden Markov Models to Non-Linear Dynamics and Unit Quaternion Observation Space},
author = {Michele Ginesi and Paolo Fiorini},
journal= {arXiv preprint arXiv:2302.11834},
year = {2023}
}