| Item type |
学術雑誌論文 / Journal Article(1) |
| 公開日 |
2023-02-28 |
| タイトル |
|
|
タイトル |
階層隠れCRF |
| タイトル |
|
|
タイトル |
Hierarchical Hidden Conditional Random Fields|カイソウ カクレ CRF |
|
言語 |
en |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題 |
時系列データ |
| キーワード |
|
|
主題 |
生成モデル |
| キーワード |
|
|
主題 |
識別モデル |
| キーワード |
|
|
主題 |
階層隠れマルコフモデル |
| キーワード |
|
|
主題 |
条件付確率場 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| 著者 |
玉田, 寛尚
林, 朗
末松, 伸朗
岩田, 一貴
TAMADA, Hirotaka
HAYASHI, Akira
SUEMATSU, Nobuo
IWATA, Kazunori
|
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
HMM（Hidden Markov Model）は時系列データの生成モデルとしてよく知られている．しかし，近年，HMMに対応する識別モデルであるCRF（Conditional Random Field）が提案され，多くの応用問題で有効性が示されている．HHMM（Hierarchical HMM）はHMMを一般化した生成モデルであり，時系列データの状態を階層的に表現する．我々はHHMMに対応する識別モデルとして，HHCRF（Hierarchical Hidden CRF，階層隠れCRF）を提案する．HHMMとHHCRFの性能比較のために，生成モデルと識別モデルの性質を考慮しつつ人工データ実験を行い，パラメータ学習時の訓練集合サイズが大きくなり，かつデータ生成源が非一次マルコフモデルに近づくにつれて，状態系列推定におけるHHCRFの性能がHHMMのそれよりも，より高くなることを示す． |
| 書誌情報 |
電子情報通信学会論文誌. D, 情報・システム
巻 J93-D,
号 12,
p. 2610-2619,
発行日 2010-12-01
|
| 出版者 |
|
|
出版者 |
電子情報通信学会 |
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
18804535 |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA12099634 |
| 論文ID（NAID） |
|
|
関連タイプ |
isIdenticalTo |
|
|
識別子タイプ |
NAID |
|
|
関連識別子 |
110007988949 |
| 権利 |
|
|
権利情報 |
©（社）電子情報通信学会2010 |
| 関連サイト |
|
|
|
識別子タイプ |
URI |
|
|
関連識別子 |
http://www.ieice.org/jpn/trans_online/index.html |
|
|
関連名称 |
http://www.ieice.org/jpn/trans_online/index.html |
| 他の資源との関係 |
|
|
|
関連名称 |
http://search.ieice.org/bin/summary.php?id=j93-d_12_2610&category=D&lang=J&year=2010&abst= |
| フォーマット |
|
|
内容記述タイプ |
Other |
|
内容記述 |
application/pdf |
| 著者版フラグ |
|
|
出版タイプ |
VoR |
|
出版タイプResource |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
j93-d_12_2610.pdf (844.0 kB)
