hidden Markov model
PulseAugur coverage of hidden Markov model — every cluster mentioning hidden Markov model across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
CNN与HMM结合实现视频胶囊内镜研究中胃肠道的精确分段
研究人员开发了一种新方法，利用视频胶囊内镜（VCE）图像精确地对胃肠道内的不同区域进行定位。该方法结合了用于图像分类的卷积神经网络（CNN）和用于时间序列分析的隐马尔可夫模型（HMM）。该系统在Rhode Island Gastroenterology数据集上表现出98.04%的准确率，通过连续的时间序列分析有效纠正了CNN分类错误。值得注意的是，该方法仅需要大约100万个参数，使其适用于低功耗设备。
-
新的张量化算法改进了因子隐马尔可夫模型的分析
研究人员开发了新的张量化算法和可扩展滤波方法，以解决因子隐马尔可夫模型（fHMMs）相关的计算挑战。这些模型对于具有多个独立因子的系统来说更现实，但由于其状态空间增大，在被重新表述为标准HMM时会增加计算成本。所提出的方法利用张量代数直接利用fHMMs的多维结构，绕过了中间HMM表示的需要。这种新颖的滤波方法显著提高了计算性能，使得大型系统和数据集的分析更加高效和实用。
-
新型贝叶斯模型加速恒星耀斑探测
研究人员开发了一个新颖的贝叶斯时间序列建模框架，使用高斯过程（GPs），显著降低了计算成本。这种新方法采用变分自编码器（VAE）来学习GP先验的压缩表示，避免了精确协方差运算的需要，从而实现更快的推理。该方法已成功集成到一个结合了VAE和隐马尔可夫模型（HMM）的加性模型中，用于检测天文数据中的恒星耀斑，在保持准确性的同时显著节省了时间。
-
新的deFOREST管道融合卫星数据以进行先进的森林砍伐检测
研究人员开发了一个名为deFOREST的新森林砍伐检测管道，该管道融合了光学和雷达卫星数据以增强传感。该系统使用离散Karhunen-Loéve展开从光学数据构建异常图，在不需要数据分布先验知识的情况下量化异常。然后将这些光学异常图与雷达数据结合，并使用隐马尔可夫模型进行分类。deFOREST方法在亚马逊森林中使用Sentinel-1和Sentinel-2数据进行了测试，与现有的混合方法相比，其准确性更高，尤其是在由于云层覆盖导致光学…
-
新框架FlowMSM识别非平稳时间序列中的因果结构
研究人员开发了一个名为FlowMSM的新框架，以应对识别非平稳时间序列数据中潜在状态和因果结构的挑战。该框架旨在处理复杂的动态，包括非线性和非高斯行为，以及变量之间的瞬时效应。该方法为潜在状态和依赖于状态的因果结构建立了理论可识别性，并在合成基准和金融经济学数据集上证明了其有效性。
-
新的 C++ 库 libhmm 提供准确的 HMM 参数估计
一个名为 libhmm 的新 C++20 库已被开发用于隐马尔可夫模型 (HMM)，解决了缺乏维护良好、可嵌入的 C++ HMM 软件的问题。它通过为各种连续和离散分布实现准确的最大似然估计器，纠正了 Baum-Welch 算法发射分布 M 步中常用的近似方法。该库还具有用于前向-后向和 Viterbi 算法的对数空间计算、SIMD 加速和 Python 绑定，其性能已通过与现有库和 R 包的比较得到验证。
-
新框架分析Transformer内部状态动态
研究人员开发了一个名为Markovian Circuit Tracing (MCT)的新框架，用于分析Transformer模型的内部状态动态。该方法使用合成隐马尔可夫模型(HMM)任务来测试Transformer激活是否表现出粗粒度的状态转换结构。研究结果表明，Transformer可以学习接近贝叶斯的最优下一个词预测器，并且残差激活包含部分贝叶斯信念信息，状态修复显著提高了准确性。
-
韩国拒绝特朗普加入霍尔木兹海峡任务的呼吁
在船只发生火灾后，韩国已拒绝唐纳德·特朗普派遣海军部队前往霍尔木兹海峡的请求。官员们表示，首尔在参与此类任务之前需要联合国授权和全球联盟。此次事件涉及一艘巴拿马籍、由韩国航运公司 HMM 运营的船只，该船只在阿联酋附近起火。
-
研究人员为数字孪生的误差缓解开发了MDP和POMDP
研究人员开发了一个新的框架，通过将模块化数字孪生中的误差传播视为一个序贯决策问题来缓解误差。他们使用马尔可夫决策过程（MDP）和部分可观察马尔可夫决策过程（POMDP）来处理不完美的态分类。MDP策略在维持系统保真度和标称运行方面表现出优越性能，而POMDP在实际噪声条件下取得了近乎等效的结果。