Réseau Bayésien Aplati pour l'Inférence dans les HMM hiérarchiques factorisés et Apprentissage avec peu de données

Sylvain Gelly 1, 2 Nicolas Bredeche 1, 2 Michèle Sebag 1, 2, 3, 4
1 TANC - Algorithmic number theory for cryptology
LIX - Laboratoire d'informatique de l'École polytechnique [Palaiseau], Inria Saclay - Ile de France, X - École polytechnique, CNRS - Centre National de la Recherche Scientifique : UMR7161
Abstract : HMM and markov model are known to not behave very well with regards to the scaling problem. In order to address this, we study extension towards hierarchisation (Shai Fine, 1998; Theocharous et al., 2004) and factorisation (Ghahramani & Jordan, 1997).
Type de document :
Communication dans un congrès
Conférence d'Apprentissage, Jun 2005, Nice, France. pp.143-144, 2005
Liste complète des métadonnées

https://hal.inria.fr/inria-00175528
Contributeur : Nicolas Bredeche <>
Soumis le : vendredi 28 septembre 2007 - 14:58:21
Dernière modification le : jeudi 10 mai 2018 - 02:06:26
Document(s) archivé(s) le : lundi 24 septembre 2012 - 12:51:50

Fichier

cap2005rba.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00175528, version 1

Citation

Sylvain Gelly, Nicolas Bredeche, Michèle Sebag. Réseau Bayésien Aplati pour l'Inférence dans les HMM hiérarchiques factorisés et Apprentissage avec peu de données. Conférence d'Apprentissage, Jun 2005, Nice, France. pp.143-144, 2005. 〈inria-00175528〉

Partager

Métriques

Consultations de la notice

468

Téléchargements de fichiers

117