Un algorithme d'estimation non supervisée dans des modèles Markoviens à sauts - Archive ouverte HAL
Communication Dans Un Congrès Année : 2015

Un algorithme d'estimation non supervisée dans des modèles Markoviens à sauts

Résumé

This paper addresses the problem of computing the optimal bayesian estimator (in the mean square sense) in some jump Markov models. We make use of a recent algorithm which computes this estimator fastly and exactly in some particular Triplet Markov models. The problem then reduces to a parameter estimation problem; our two-step estimator is based on a Kullback-Leibler divergence minimization and an unsupervised parameter estimation step
Cette communication traite du problème du calcul de l'estimateur bayésien optimal (au sens de l'erreur quadratique moyenne) dans des modèles markoviens à sauts. Nous utilisons pour ce faire une technique récente de calcul rapide et exact de cet estimateur dans une classe de modèles de Markov triplet particuliers. Le problème se ramène alors au problème d'estimation des paramètres de ces modèles; nous proposons une méthode d'estimation basée d'une part sur la minimisation d'une divergence de Kullback-Leibler et d'autre part sur une étape d'estimation non supervisée
Fichier principal
Vignette du fichier
article_YohanPetetin_2015-gretsi.pdf (89.41 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01255026 , version 1 (30-03-2020)

Identifiants

  • HAL Id : hal-01255026 , version 1

Citer

Yohan Petetin, François Desbouvries. Un algorithme d'estimation non supervisée dans des modèles Markoviens à sauts. Gretsi 2015 : XXVe colloque Gretsi, Sep 2015, Lyon, France. ⟨hal-01255026⟩
215 Consultations
31 Téléchargements

Partager

More