AbstractWe describe an extension of

Abstract
We describe an extension of the hidden Markov model in which the manifest process conditionally follows a partition model. The assumption of local independence for the manifest random variable is thus relaxed to arbitrary dependence. The proposed class generalizes different existing models for discrete and continuous time series, and allows for the finest trading off between bias and variance. The models are fit through an EM algorithm, with the usual recursions for hidden Markov models extended at no additional computational cost.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเราอธิบายขยายซ่อนแบบ Markov ซึ่งกระบวนการรายการอย่างมีเงื่อนไขดังต่อไปนี้แบบพาร์ติชัน สมมติฐานของความเป็นอิสระเฉพาะสำหรับตัวแปรสุ่มรายการจึงได้รับการผ่อนคลายการพึ่งพาที่กำหนด เรียนเสนอ generalizes รุ่นที่มีอยู่แตกต่างกันสำหรับลำดับเวลาอย่างต่อเนื่อง และไม่ต่อเนื่อง และทำให้ดีที่สุดค้าปิดระหว่างอคติและผลต่าง รุ่นมีความเหมาะสมผ่านการ EM อัลกอริทึม กับ recursions ปกติสำหรับรุ่น Markov ซ่อนขยายที่คำนวณ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อเราอธิบายเป็นส่วนหนึ่งของรูปแบบมาร์คอฟที่ซ่อนอยู่ในกระบวนการที่ชัดแจ้งตามเงื่อนไขดังต่อไปนี้รูปแบบพาร์ทิชัน สมมติฐานของความเป็นอิสระในท้องถิ่นสำหรับตัวแปรสุ่มชัดแจ้งจึงผ่อนคลายเพื่อการพึ่งพาอาศัยกันโดยพลการ ชั้นที่นำเสนอรูปแบบที่มีอยู่ generalizes แตกต่างกันสำหรับอนุกรมเวลาที่ไม่ต่อเนื่องและต่อเนื่องและช่วยให้การซื้อขายที่ดีที่สุดออกระหว่างอคติและความแปรปรวน รูปแบบที่เหมาะผ่านอัลกอริทึม EM กับ recursions ปกติสำหรับรุ่นมาร์คอฟซ่อนขยายไม่มีค่าใช้จ่ายเพิ่มเติมในการคำนวณ

ผลลัพธ์ (ไทย) 3:

นามธรรม
เราอธิบายถึงส่วนขยายของแบบจำลองฮิดเดนมาร์คอฟ ซึ่งในที่กระบวนการรายการตามเงื่อนไขดังต่อไปนี้พาร์ทิชันรูปแบบ สมมติฐานความเป็นอิสระท้องถิ่นสำหรับตัวแปรสุ่มอย่างชัดแจ้ง จึงผ่อนคลายให้โดยพลการพึ่งพา ที่เสนอเช่นนี้ได้ขยายชั้นเรียนที่แตกต่างกันที่มีอยู่แบบไม่ต่อเนื่องและต่อเนื่องอนุกรมเวลาและช่วยให้สามารถที่ดีที่สุดการซื้อขายระหว่างอคติและความแปรปรวน นางแบบพอดีผ่านขั้นตอนวิธีอีเอ็ม กับ recursions ปกติซ่อนมาร์คอฟแบบขยายที่ไม่เพิ่มเติมการคำนวณต้นทุน