离散隐马尔可夫模型中的在线学习。
摘要：用于离散隐藏马尔可夫模型（HMMs）的三种在线学习算法的分析与比较 与Baldi-Chauvin算法相比，使用Kullback-Leibler散度作为泛化误差的度量 在简化情况下绘制学习曲线，分析其中一种算法在学习漂移概念时的性能，并与Baldi-Chauvin算法进行比较 还对基于我们的结果的学习和对称性打破进行了简要讨论
作者：Roberto C. Alamino, Nestor Caticha
论文ID：0708.2377
分类：Machine Learning
分类简称：stat.ML
提交时间：2007-08-20