MAXIMUM LIKELIHOOD PARAMETER ESTIMATION FOR LATENT VARIABLE MODELS USING SEQUENTIAL MONTE CARLO

Adam Johansen 1 Arnaud Doucet 2 Manuel Davy 3, 4
3 SEQUEL - Sequential Learning
LIFL - Laboratoire d'Informatique Fondamentale de Lille, Inria Lille - Nord Europe, LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal
4 LAGIS-SI
LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal
Abstract : We present a sequential Monte Carlo (SMC) method for maximum likelihood (ML) parameter estimation in latent variable models. Stan- dard methods rely on gradient algorithms such as the Expectation- Maximization (EM) algorithm and its Monte Carlo variants. Our approach is different and motivated by similar considerations to sim- ulated annealing (SA); that is we propose to sample from a sequence of artificial distributions whose support concentrates itself on the set of ML estimates. To achieve this we use SMC methods. We con- clude by presenting simulation results on a toy problem and a non- linear non-Gaussian time series model.
Type de document :
Communication dans un congrès
2006 IEEE International Conference on Acoustics, Speech, and Signal Processing : conference proceedings, May 14-19, 2006, Toulouse, 2006, Toulouse, France. 2006
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00119988
Contributeur : Manuel Loth <>
Soumis le : mardi 12 décembre 2006 - 16:13:10
Dernière modification le : jeudi 11 janvier 2018 - 06:26:40
Document(s) archivé(s) le : mercredi 7 avril 2010 - 00:28:41

Fichier

Johansen_ICASSP_2006.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : inria-00119988, version 1

Collections

Citation

Adam Johansen, Arnaud Doucet, Manuel Davy. MAXIMUM LIKELIHOOD PARAMETER ESTIMATION FOR LATENT VARIABLE MODELS USING SEQUENTIAL MONTE CARLO. 2006 IEEE International Conference on Acoustics, Speech, and Signal Processing : conference proceedings, May 14-19, 2006, Toulouse, 2006, Toulouse, France. 2006. 〈inria-00119988〉

Partager

Métriques

Consultations de la notice

344

Téléchargements de fichiers

208