用于基序发现与词分割的变长输入自组织映射
机器学习
2019-08-09 v1 神经与进化计算
机器学习
摘要
时间序列基序发现（TSMD）定义为在时间序列中搜索先前未知且以给定频率出现的模式。与 TSMD 紧密相关的另一问题是词分割。研究婴儿与幼儿早期语言习得的学界已对该问题给予诸多关注。开发具有生物学合理性的词分割模型可极大推进该领域。因此，本文提出用于基序发现与词分割的变长输入映射（VILMAP）。该模型基于自组织映射，可识别时间序列中不同长度的基序。实验中，我们表明 VILMAP 在标准基序发现数据集中寻找基序表现良好，且能以输入尺寸递增的数据集训练时避免灾难性遗忘。我们还表明 VILMAP 在词分割任务上取得了与文献中其他方法相似或更优的结果。
引用
@article{arxiv.1908.02830,
title = {Self-Organizing Maps with Variable Input Length for Motif Discovery and Word Segmentation},
author = {Raphael C. Brito and Hansenclever F. Bassani},
journal= {arXiv preprint arXiv:1908.02830},
year = {2019}
}