Mar, 2007

在线维特比算法及其与随机游走的关系

PDF
TL;DR本文提出一种在线维特比算法，用于在远小于线性空间的情况下解码隐马尔可夫模型，该算法计算长度为 $n$，具有 $m$ 个状态的 HMM 所需的最大内存使用量期望可以低至 $\Theta (m\log n)$，用于基因发现的简单 HMM 模型的实验结果表明该算法的性能表现出色。
online viterbi algorithmhidden markov modelsmemory efficient computationgene findingdna sequence
发现论文，激发创造
  • HMM 的维特比训练和最大似然估计的比较分析

    本文通过基于生成函数的分析框架，探讨了 Viterbi Training 算法对隐马尔可夫模型参数估计的优劣，并发现该算法在自动奥卡姆剃刀原理下，能够更快速地收敛，实现更为简洁的模型学习。

    Dec, 2013

  • 在线矩阵 - 向量 (max，+)- 乘法加速解码隐马尔可夫模型

    本文提出了一种新的算法，通过多项式预处理矩阵来解决时间均匀的 HMM 中 MAPD 问题，并将最坏情况下的运行时间改善了一个对数因子。

    Nov, 2015

  • 基于被边缘化的束搜索算法的分层隐马尔可夫模型

    本文提出了两种新算法来解决在分层隐马尔可夫模型中推断状态序列时遇到的问题。这两种算法当应用于外在状态序列时，相比 Viterbi 算法有更高的性能表现。通过模拟和采用纳米孔测序数据评估了这些算法的表现。

    May, 2023

  • 快速自适应三进制分割：隐马尔可夫模型的有效解码过程

    本文介绍了一种名为 Quick Adaptive Ternary Segmentation（QATS）的新方法，能以对数多项式时间和立方根性时间解码 HMM 中的隐藏序列，同时保证回传序列的正确性。QATS 方法能够提供对 Viterbi 算法的加速，并通过 Monte-Carlo 模拟证明了其效果。

    May, 2023

  • 一种用于学习隐马尔可夫模型的频谱算法

    本文介绍了一种高效学习隐马尔可夫模型的算法，其样本复杂度不明确依赖于离散观察序列的数量，而是通过其谱属性隐含地依赖于该数量，这使得该算法适用于像自然语言处理这样具有大量观察值的领域。

    Nov, 2008

  • 缩放隐马尔可夫语言模型

    本研究重新探讨使用最新的神经模型方法实现隐藏马尔可夫模型（HMM）规模化的挑战，提出了一种方法来快速有效地在大规模状态空间中对 HMM 进行精确推断、紧凑参数化以及有效规范化，取得的实验证明，该方法比之前的 HMM 和 n-gram 方法更准确，为实现最先进的神经模型的性能作出了贡献。

    Nov, 2020

  • 树上耦合分支的隐马尔可夫模型的高效解决方案

    本文通过扩展树状数据上的隐马尔可夫模型 (HMMs) 框架，专注于解决具有相互关联分支的树状结构数据的场景，研发了一种能够高效解决似然、解码和参数学习问题的动态规划算法，具有多项式规模计算可行性且不受下溢问题的影响，为分析复杂生物数据提供了实用工具，同时推进了对树状 HMMs 的理论理解。

    Jun, 2024

  • 隐马尔可夫模型的最小实现问题

    研究了隐马尔可夫模型及其扩展类 quasi-HMMs 生成的离散随机过程的建模问题，提出了基于有限长度的序列概率的两种模型，并通过张量分解技术，对这两种模型进行了比较和联系。

    Nov, 2014

  • 带有标签和转移概率的神经 HMM 的端到端训练

    利用隐马尔可夫模型（HMM）对端到端神经网络训练进行新颖的建模方法进行研究，该方法中隐藏状态之间的转移概率被显式建模和学习，通过 GPU 加速的前向后向算法实现标签和转移概率的同时训练，结果显示转移模型训练并不能提高识别性能，但对齐质量有积极影响，生成的对齐可用于最先进的维特比训练。

    Oct, 2023

  • 隐马尔可夫模型的随机梯度马尔可夫链蒙特卡罗方法

    开发基于随机梯度 MCMC 算法的隐马尔可夫模型参数学习方法，通过利用内在的记忆衰减特性以应对离散状态与小批量数据带来的挑战，进而在合成实验和电离子通道记录数据上展示该算法的有效性和性能优势。

    Jun, 2017