- 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 - 为瑞典自动语音识别系统开发声学模型
本研究旨在通过训练系统实现自动持续语音识别,并以瑞典口语为例,使用隐藏马尔可夫模型,利用 SpeechDat 数据库进行参数训练。在这项研究中,声学建模在语音识别应用方面具有一定的普适性,尽管对模型评估仅考虑了一个简化的任务(数字和自然数识 - 状态空间模型的变分量化
使用离散状态空间隐马尔可夫模型、最新的神经网络架构和受向量量化变分自动编码器启发的训练过程,结合大数据集中成千上万个异构时间序列的预测任务是众多领域的一个关键统计问题。我们提出了一种新的预测模型,引入了离散后验分布和两阶段训练过程,从而提供 - 利用情绪处理的有限状态研究晚年心理健康
传统的心理健康研究方法包括广义线性模型(GLM)来描述观察到的心理行为测量(问卷摘要得分)的纵向动态。而隐藏马尔可夫模型(HMM)通过有限状态自动机(FSA)的视角应用于行为和神经活动与抑郁之间的关系,以提供更综合和直观的建模和理解框架。
- COLING传统混合解码器与 CTC / 注意力解码器在连续视觉语音识别中的比较
通过对少样本数据情况下传统 DNN-HMM 解码器和先进的 CTC/Attention 解码器的研究比较,我们发现传统范式在数据稀缺的情况下具有更好的识别率、较短的训练时间和更少的参数。
- 扰乱批次数据以操纵隐马尔可夫模型推断
时间序列模型在对数据流进行估计时通常假设数据没有被破坏。然而,本研究提供了一种新颖的概率视角,探讨了自私的对手如何通过破坏数据来操纵隐马尔可夫模型的推断,进而影响决策者的结论。研究中开发了一套考虑实际不确定性和不同攻击目标的数据破坏问题,提 - 学习人机交互的多模态潜在动力学
本文介绍一个从人与人互动学习到人机互动的方法,通过使用隐马尔可夫模型作为潜在空间先验,并结合变分自编码器来建模互动代理之间的联合分布。利用从人与人互动中学习到的互动动力学来学习人机互动,并将人类观测结果作为训练基础,从而预测更准确的机器人轨 - LIP-RTVE:西班牙连续口语的音视数据库
本文介绍了一个半自动注释的音视频数据库,用于处理自由自然的西班牙语,提供了来自西班牙电视的 13 小时数据。此外,报告了基于隐马尔可夫模型的发言人相关和发言人无关情景的基准结果,这是一种在语音技术领域广泛使用的传统范式。
- 卫星与空间碎片碰撞概率的预测:基于贝叶斯机器学习方法
通过建立隐藏马尔可夫模型,利用碰撞数据消息的概率序列,研究预测两个空间物体碰撞风险的可行性,并使用贝叶斯统计推断模型参数的联合分布,从而开发出可靠的概率预测模型,进一步验证了碰撞警告具有马尔可夫属性的观点,并提出了进一步深入研究的建议。
- 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 - 资源受限机器人的混合 ASR:HMM - 深度学习融合
提出了一种新颖的混合自动语音识别(ASR)系统,专为资源受限的机器人设计。该系统将隐马尔可夫模型(HMM)与深度学习模型相结合,并利用套接字编程来有效地分配处理任务。通过在机器人内部进行基于 HMM 的处理,同时由独立的计算机处理深度学习模 - 切比雪夫粒子
Markov 链蒙特卡洛 (MCMC) 是推断隐藏马尔可夫模型的可行方法,但由于参数空间中蒙特卡洛采样器在不确定区域内随机采取小步骤,受维度诅咒的约束往往导致计算上的限制。我们首次将目标的后验分布视为样本在无限维欧几里得空间中的映射,其中嵌 - 自然语言处理方法实现恶意软件分类
通过混合架构,将概率模型中的隐藏状态序列提取为特征向量,从而在恶意软件检测中取得了比其他流行技术更好的结果。
- 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 - C - 因果盲区:一种基于加权隐马尔可夫模型的实验性计算框架,研究生物计算、人工计算和逻辑之间的同构关系
论文讨论了一种假设的认知盲点 ——C-CB,以及在大脑计算、逻辑和计算机计算中使用隐含马尔可夫模型展示了它们之间的同构关系。
- 在上下文无关文法约束下的隐藏马尔可夫模型中的边际推理查询
本文提出了一种计算隐马尔可夫模型中上下文无关文法概率的算法,解决了计算一类非二义性上下文无关文法概率的问题,并提出了一种可用于多项式绑定的二义性上下文无关文法概率的随机多项式算法。
- ACL基于排名空间动态规划:利用低秩 HMM 和 PCFG 扩展结构化推断
使用张量秩分解技术处理计算复杂度问题,使得能够更有效地对 Hidden Markov Models 和 Probabilistic Context-Free Grammars 进行因子图文法表示和推断。在语言建模和无监督语法分析任务上,相较 - 聚合数据推理:一种最优传输方法
本文提出了一种新的高效置信传播算法 Sinkhorn belief propagation (SBP),用于基于大量个体生成的聚合数据的概率图模型的推断问题。该算法基于最优传输理论并具有全局收敛保证,特别适用于隐马尔可夫模型的情况。
- MM一种实现隐马尔可夫模型推断和学习的反应网络方案
该研究提出了化学 Baum-Welch 算法,一种学习隐马尔可夫模型(HMM)参数的新反应网络模型,用于分子通信系统和分子多智能体系统,其反应网络模型每次仅更改一种分子的一种物种到另一种分子,借鉴生化途径中徒劳循环的设计。该算法有望加速 H - 用克隆的隐马尔可夫模型学习高阶时序结构
本论文提出一个名为 cloned HMM 的稀疏结构的 Hidden Markov Models 模型,通过这一结构,模型可以高效地学习变化顺序序列及处理不确定性,实现了对 n-gram、序列记忆器和 RNN 等方法的超越。