我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
期望最大化(EM)算法是潜在数据模型中模型参数估计的通用工具。然而,在处理大型数据集或数据流时,EM变得很难处理,因为它要求在算法的每次迭代中都可以使用整个数据集。本文提出了一种新的通用在线EM算法,用于一般隐马尔可夫模型中的模型参数推断。该新算法在处理一个观测块后(在线)更新参数估计。建立了新算法的收敛性,并研究了收敛速度,显示了块大小序列的影响。为了提高收敛速度,还提出了一种平均方法。最后,给出了实际例子,以突出这些算法与其他在线最大似然过程相比的性能。
西尔万·勒科尔夫。 格森德堡。 “隐马尔可夫模型中基于在线期望最大化的推理算法。” 电子。J.统计。 7 763 - 792, 2013 https://doi.org/10.1214/13-EJS789