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 12 avril 2018 - 01:47:51
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

Collections

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

438

Téléchargements de fichiers

109