×
罗伯特·威尔逊。;马修·纳赛尔。;约书亚一世，戈尔德。

变点问题中危险率的贝叶斯在线学习。 （英语） Zbl 1205.68328号

神经计算。 22，第9期，2452-2476（2010）.
摘要：变点模型是时变数据的生成模型，其中潜在的生成参数在不同的时间点经历不连续的变化，称为变化点。变化点通常代表潜在过程中的重要事件，如脑电数据中反映的大脑状态变化或公司股价中反映的价值变化。然而，在有噪声的数据流中很难识别变化点。以前使用贝叶斯推理在线识别变化点的尝试依赖于预先指定变化点发生的速率，称为危险率。这种方法导致的预测在很大程度上依赖于（h）的选择，并且无法对（h）不是时间常数的系统进行最优处理。在这封信中，我们通过开发早期模型的层次扩展来克服这些限制。这种方法允许从数据中推断“h”本身，这反过来有助于识别何时发生更改点。我们表明，我们的方法可以有效地识别具有复杂危险率的玩具和真实数据集中的变化点，以及如何在面对快速变化的输入时将其用作人类和动物行为的理想观察模型。

引用于11文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

变点模型
PDF格式BibTeX公司 XML格式引用
\textit{R.C.Wilson}等人，《神经计算》。22，第9号，2452--2476（2010；Zbl 1205.68328）
全文： 内政部

参考文献：

[1] Adams R.P.，贝叶斯在线变化点检测（2007）
[2] 内政部：10.2307/2280720·兹比尔0040.07602 ·数字对象标识代码：10.2307/2280720
[3] 内政部：10.1523/JNEUROSCI.4483-06.2007·doi:10.1523/JNEUROSCI.4483-06.2007
[4] 内政部：10.1016/0013-4694（81）90228-5·doi:10.1016/0013-4694（81）90228-5
[5] 内政部：10.2307/2290726·Zbl 0775.62065号 ·doi:10.2307/2290726
[6] 内政部：10.1038/nn1954·doi:10.1038/nn1954
[7] 内政部：10.1080/00221309.1948.9918159·doi:10.1080/00221309.1948.9918159
[8] 内政部：10.1109/PROC.1977.10543·doi:10.1109/PROC.1977.10543
[9] DOI:10.1016/j.cogpsych.2008.09.002·doi:10.1016/j.cogpsych.2008.09.002
[10] 内政部：10.2307/2965722·Zbl 1090.62565号 ·doi:10.2307/2965722
[11] DOI:10.1016/S0304-4076（97）00115-2·Zbl 1045.62510号 ·doi:10.1016/S0304-4076（97）00115-2
[12] 内政部：10.1901/jeab.2005.23-05·doi:10.1901/jeab.2005.23-05
[13] 数字对象标识码：10.1111/j.0006-341X.2001.00143.x·Zbl 1209.62276号 ·doi:10.1111/j.0006-341X.2001.00143.x
[14] 内政部：10.1007/s11222-006-8450-8·doi:10.1007/s11222-006-8450-8
[15] 数字对象标识码：10.1111/j.1467-9868.2007.00601.x·doi:10.1111/j.1467-9868.2007.00601.x
[16] DOI:10.1093/biomet/82.4.711·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[17] 内政部：10.2307/2346968·doi:10.2307/2346968
[18] Koop G.M.，预测和估计具有未知数量变化点的多个变化点模型（2004年）
[19] 内政部：10.1901/jeab.2005.110-04·doi:10.1901/jeab.2005.110-04
[20] DOI:10.1093/生物信息学/15.1.38·doi:10.1093/生物信息学/15.1.38
[21] 内政部：10.1093/biomet/62.2.407·Zbl 0321.62041号 ·doi:10.1093/biomet/62.2.407
[22] 内政部：10.2307/2986119·Zbl 0825.62412号 ·doi:10.2307/2986119
[23] Steyvers M.，《神经信息处理系统进展》，第18页，1281页–（2006年）
[24] 数字对象标识码：10.1126/science.1094765·doi:10.1126/science.1094765
[25] Wainwright M.J.，机器学习的基础和趋势1（1），第1页–（2008）
[26] 内政部：10.1145/1273496.1273629·doi:10.1145/1273496.1273629
[27] DOI:10.1016/j.neuron.2005.04.026·doi:10.1016/j.neuron.2005.04.026
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。