Carregant...
Carregant...

Vés al contingut (premeu Retorn)

Bootstrapping and learning PDFA in data streams

Autor
B. Balle; Castro, J.; Gavaldà, R.
Tipus d'activitat
Presentació treball a congrés
Nom de l'edició
11th International Conference on Grammatical Inference
Any de l'edició
2012
Data de presentació
2012-09-07
Llibre d'actes
Proceedings of the Eleventh International Conference on Grammatical Inference
Pàgina inicial
34
Pàgina final
48
Activitat premiada
Si
Repositori
http://hdl.handle.net/2117/17434 Obrir en finestra nova
URL
http://jmlr.csail.mit.edu/proceedings/papers/v21/balle12a/balle12a.pdf Obrir en finestra nova
Resum
Markovian models with hidden state are widely-used formalisms for modeling sequential phenomena. Learnability of these models has been well studied when the sample is given in batch mode, and algorithms with PAC-like learning guarantees exist for specic classes of models such as Probabilistic Deterministic Finite Automata (PDFA). Here we focus on PDFA and give an algorithm for infering models in this class under the stringent data stream scenario: unlike existing methods, our algorithm works inc...
Citació
B. Balle; Castro, J.; Gavaldà, R. Bootstrapping and learning PDFA in data streams. A: International Colloquim on Grammatical Inference. "Proceedings of the Eleventh International Conference on Grammatical Inference". Washington: 2012, p. 34-48.
Grup de recerca
LARCA - Laboratori d'Algorísmia Relacional, Complexitat i Aprenentatge

Participants

Arxius