混合状态动态图模型中的变分学习
机器学习
2013-01-30 v1 机器学习
摘要
许多实值随机时间序列具有局部线性（高斯）而全局非线性的特征。例如，人类手势的轨迹可视为一个由代表肌肉动作的非线性动态系统驱动的线性动态系统。我们提出了一种混合状态动态图模型，其中隐马尔可夫模型驱动一个线性动态系统。这种组合使我们能够对轨迹（如人类手势）的离散和连续成因进行建模。精确推理所需的计算量随序列长度呈指数增长，因此我们推导出一种近似变分推理技术，该技术也可用于学习离散和连续模型的参数。我们展示了如何利用该混合状态模型和变分技术对通过计算机鼠标做出的人类手势进行分类。
引用
@article{arxiv.1301.6731,
title = {Variational Learning in Mixed-State Dynamic Graphical Models},
author = {Vladimir Pavlovic and Brendan J. Frey and Thomas S. Huang},
journal= {arXiv preprint arXiv:1301.6731},
year = {2013}
}
备注
Appears in Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI1999)