Chaînes de Markov cachées à bruit généralisé

Autor: Gangloff, Hugo, Morales, Katherine, Petetin, Yohan
Přispěvatelé: Observation de l’environnement par imagerie complexe (OBELIX), SIGNAL, IMAGE ET LANGAGE (IRISA-D6), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Traitement de l'Information Pour Images et Communications (TIPIC-SAMOVAR), Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux (SAMOVAR), Institut Mines-Télécom [Paris] (IMT)-Télécom SudParis (TSP)-Institut Mines-Télécom [Paris] (IMT)-Télécom SudParis (TSP), Institut Polytechnique de Paris (IP Paris), Communications, Images et Traitement de l'Information (TSP - CITI), Institut Mines-Télécom [Paris] (IMT)-Télécom SudParis (TSP)
Jazyk: francouzština
Rok vydání: 2022
Předmět:
Popis: Hidden Markov chains are popular models for unsupervised signal processing in a Bayesian context. We aim at complexifyingthe conditional likelihood term to automatically learn complex noises. We introduce a third auxiliary continuous process and we develop avariational inference approach which preserves the interpretability of the hidden process of interest. Our results in unsupervised classificationexperiments suggest that using a third continuous auxiliary random variable gives better results than the classical approaches from the literature.; Les chaînes de Markov cachées sont des modèles très populaires pour le traitement non-supervisé du signal dans un contexte bayésien. Nous nous intéressons à la complexification du terme d'attache aux données afin de pouvoir apprendre automatiquement des modèles de bruits très généraux. Pour cela, nous introduisons un processus auxiliaire continu et nous développons une approche d'inférence variationnelle efficace, préservant l'interprétabilité des variables cachées d'intérêt. Les résultats d'expériences de classification non-supervisée montrent que ces nouveaux modèles à variable auxiliaire continue donnent des meilleurs résultats que les modèles classiques de la littérature.
Databáze: OpenAIRE
Externí odkaz: