EMアルゴリズムの初期条件への依存性
スポンサーリンク
概要
- 論文の詳細を見る
EMアルゴリズムは不完全データの問題を完全データのフレームワークで逐次的に解決する方法論で,不完全データから最尤推定値を数知的に求める汎用アルゴリズムである.単純かつ計算量が軽いが,推定パラメータの初期値設定に大きく左右される.本研究ではEMアルゴリズムを用いて混合ガウス分布推定を行い, EMアルゴリズムの有用性を検証する.
- 2008-03-05
著者
関連論文
- H_∞学習の何が新しいか? : 共役勾配法、準ニュートン法との比較を中心に
- EMアルゴリズムの初期条件への依存性
- H_∞学習 : 大域的最適化アプローチ
- 高速ロバスト学習アルゴリズム
- D-12-117 画像補間の改良における適切な特徴追跡パラメーターの設定(D-12.パターン認識・メディア理解,一般講演)
- KLT Feature Tracker を用いた特徴点の画像合成に関する研究
- 関節追跡に基づいた人間行為の認識とモデリング
- LH-005 雑音を含むデータに対するTDNNのロバスト学習(H分野:生体情報科学)
- H_∞学習に基づく動作学習と音声から動作への連想 : 柔らかな学習システムの実現に向けて
- 強化学習によるエコーキャンセラの制御戦略の獲得 : NLMSアルゴリズムを用いた場合