0


有限状态传感器的光谱学习算法

A Spectral Learning Algorithm for Finite State Transducers
课程网址: http://videolectures.net/ecmlpkdd2011_balle_spectral/  
主讲教师: Borja Balle
开课单位: 加泰罗尼亚技术大学
开课时间: 2011-10-03
课程语种: 英语
中文简介:
有限状态传感器(FSTS)是成对的投入产出序列建模常用的工具,并且在现实世界中的问题,许多应用程序。大多数学习FSTS训练算法依靠基于梯度或EM优化,可以计算昂贵遭受局部最优问题。最近,Hsu等人提出了一种学习隐马尔可夫模型(HMM)的光谱法是基于观察的算子模型(OOM)视图模型。这条线的工作提出了一种谱算法学习FSTS与强大的PAC风格的保证。据我们所知,我们是这种类型的第一个结果Fst学习。在它的核心,算法简单,并可扩展到大型数据集。我们目前的实验,验证了算法对合成和真实数据的有效性。
课程简介: 有限状态传感器(FSTS)是成对的投入产出序列建模常用的工具,并且在现实世界中的问题,许多应用程序。大多数学习FSTS训练算法依靠基于梯度或EM优化,可以计算昂贵遭受局部最优问题。最近,Hsu等人提出了一种学习隐马尔可夫模型(HMM)的光谱法是基于观察的算子模型(OOM)视图模型。这条线的工作提出了一种谱算法学习FSTS与强大的PAC风格的保证。据我们所知,我们是这种类型的第一个结果Fst学习。在它的核心,算法简单,并可扩展到大型数据集。我们目前的实验,验证了算法对合成和真实数据的有效性。
关 键 词: 有限状态传感器; 隐马尔可夫模型; 算法
课程来源: 视频讲座网
最后编审: 2020-06-24:yumf
阅读次数: 77