edoc-Server der Humboldt-Universität zu Berlin

Post- oder Preprint

Publikationsart: Bericht
Autor(en): Felix Salfner
Titel: Modeling Event-driven Time Series with Generalized Hidden Semi-Markov Models
Erstveröffentlichung: 16.11.2006
Veröffentlichung auf edoc: 16.11.2006
Status: unpublished
not_reviewed
Volltext: pdf (urn:nbn:de:kobv:11-10070997)
Fachgebiet(e): Informatik
Schlagwörter (eng): Generalized Hidden Semi-Markov Models, event-driven time series, temporal sequence processing
Einrichtung: Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen. Bestellung als gedruckte und gebundene Version bei epubli.de, Ausführung der Bestellung erst nach Bestätigung auf den epubli.de-Seiten
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

Abstract (eng):
This report introduces a new model for event-driven temporal sequence processing: Generalized Hidden Semi-Markov Models (GHSMMs). GHSMMs are an extension of hidden Markov models to continuous time that builds on turning the stochastic process of hidden state traversals into a semi-Markov process. A large variety of probability distributions can be used to specify transition durations. It is shown how GHSMMs can be used to address the principle problems of temporal sequence processing: sequence generation, sequence recognition and sequence prediction. Additionally, an algorithm is described how the parameters of GHSMMs can be determined from a set of training data: The Baum-Welch algorithm is extended by an embedded expectation-maximization algorithm. Under some conditions the procedure can be simplified to the estimation of distribution moments. A proof of convergence and a complexity assessment are provided.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWSTATS aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
PDF: 5 ZugriffePDF: 3 ZugriffeStartseite: 1 ZugriffePDF: 1 ZugriffePDF: 1 ZugriffePDF: 1 ZugriffeStartseite: 3 ZugriffePDF: 1 ZugriffePDF: 1 ZugriffePDF: 1 ZugriffePDF: 1 ZugriffeStartseite: 1 ZugriffePDF: 3 ZugriffeStartseite: 1 ZugriffePDF: 1 ZugriffeStartseite: 1 ZugriffePDF: 2 ZugriffePDF: 2 ZugriffePDF: 7 ZugriffePDF: 4 Zugriffe
May
11		Jul
11		Sep
11		Oct
11		Nov
11		Jan
12		Feb
12		Apr
12		May
12		Jul
12		Aug
12		Sep
12		Oct
12		Nov
12		Dec
12		Jan
13		Apr
13

MonatMay
11		Jul
11		Sep
11		Oct
11		Nov
11		Jan
12		Feb
12		Apr
12		May
12		Jul
12		Aug
12		Sep
12		Oct
12		Nov
12		Jan
13		Apr
13
Startseite  1  3    111   
PDF53111 1111312274

Gesamtzahl der Zugriffe seit May 2011:

  • Startseite – 7 (0.47 pro Monat)
  • PDF – 34 (2 pro Monat)
    •  
 
Generiert am 23.05.2013, 23:16:56

edoc-Server der Humboldt-Universität zu Berlin  •  Impressum  •  edoc@cms.hu-berlin.de  •  Nutzungsbedingungen  •  Haftungsausschluss  •  Statistik