Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
The Melting Pot of Automated Discovery: Principles for a New Science Kapitel lesen Erstes Kapitel lesen

1999 | OriginalPaper | Buchkapitel

A Graphical Method for Parameter Learning of Symbolic-Statistical Models

verfasst von : Yoshitaka Kameya, Nobuhisa Ueda, Taisuke Sato

Erschienen in: Discovery Science

Verlag: Springer Berlin Heidelberg

Enthalten in: Professional Book Archive

Zugang erhalten

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

We present an efficient method for statistical parameter learning of a certain class of symbolic-statistical models (called PRISM programs) including hidden Markov models (HMMs). To learn the parameters, we adopt the EM algorithm, an iterative method for maximum likelihood estimation. For the efficient parameter learning, we first introduce a specialized data structure for explanations for each observation, and then apply a graph-based EM algorithm. The algorithm can be seen as a generalization of Baum-Welch algorithm, an EM algorithm specialized for HMMs. We show that, given appropriate data structure, Baum-Welch algorithm can be simulated by our graph-based EM algorithm.

Vorheriges Kapitel A Noise Resistant Model Inference System
Nächstes Kapitel Parallel Execution for Speeding Up Inductive Logic Programming Systems
Metadaten
Titel
A Graphical Method for Parameter Learning of Symbolic-Statistical Models
verfasst von
Yoshitaka Kameya
Nobuhisa Ueda
Taisuke Sato
Copyright-Jahr
1999
Verlag
Springer Berlin Heidelberg
Buch
Discovery Science

Print ISBN: 978-3-540-66713-1

Electronic ISBN: 978-3-540-46846-2

Copyright-Jahr: 1999

DOI
https://doi.org/10.1007/3-540-46846-3_24

Neuer Inhalt

    Bildnachweise