울산과학대Repository

Browse

Browse

Browse

Detailed Information

metadata downloads

제약조건을 갖는 최소자승 추정기법과 최급강하 알고리즘을 이용한 동적 베이시안 네트워크의 파라미터 학습기법

Title 
제약조건을 갖는 최소자승 추정기법과 최급강하 알고리즘을 이용한 동적 베이시안 네트워크의 파라미터 학습기법
Other Titles 
Parameter Learning of Dynamic Bayesian Networks using Constrained Least Square Estimation and Steepest Descent Algorithm
Authors 
조현철
Authors 
이권순, 구경완
Keywords 
Dynamic Bayesian Networks, Parameter Learning, LS Estimation, Steepest Descent Algorithm, Markov Chain, HMM
Issue Date 
2009
Publisher 
한국과학기술정보연구원(KISTI)
Journal 
전기학회논문지. P (대한전기학회)
Vol. 
58
Issue 
2
Pages 
164 ~ 171
Abstract 
본 논문은 한정된 최소 자승 (LS) 추정 알고리즘과 최소 강하법에 의하여 동적 베이지언망 (DBN)의 새로운 학습 알고리즘을 제공한다. 첫째로, 우리는 마르코프 연쇄 (메가사이클) 모델 주어진 관측 데이터 세트를 위한 한정된 LS 기반 매개 변수 추정을 제안한다. 다음에, 최소 강하 최적화는 은닉 마르코프 모델 (HMM)의 온라인 추정에 활용되며, 그것이 bi-선형으로 메가사이클 모델에 관측 변수를 더함으로써 구성된다. 우리는 일련의 비 정상적인 불규칙 신호가 각각 DBN 모델에 대하여 적용된 그것의 신뢰성과 우위를 입증하기 위해 수치 시뮬레이션을 달성한다
This paper presents new learning algorithm of dynamic Bayesian networks (DBN) by means of constrained least square (LS) estimation algorithm and gradient descent method. First, we propose constrained LS based parameter estimation for a Markov chain (MC) model given observation data sets. Next, a gradient descent optimization is utilized for online estimation of a hidden Markov model (HMM), which is bi-linearly constructed by adding an observation variable to a MC model. We achieve numerical simulations to prove its reliability and superiority in which a series of non stationary random signal is applied for the DBN models respectively.
URI 
http://kiss.kstudy.com/search/detail_page.asp?key=50425629
http://repository.uc.ac.kr/handle/2014.oak/255
ISSN 
1229-800x
Appears in Collections
15. 전기전자공학부 > 연구논문

Files in This Item:

There are no files associated with this item.

qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.