تعلم نموذج تسلسل زمني من بيانات موسومة جزئيًا

تستخدم النماذج الرسومية غالبًا لتمثيل الأنشطة والتعرف عليها. يمكن تدريب الأساليب غير المراقبة تمامًا (مثل نماذج ماركوف الخفية) تلقائيًا ولكنها تنتج نماذج تكون هيكلها الداخلي - العقد - صعب التفسير دلاليًا. عادةً ما تحتوي الشبكات المُنشأة يدويًا على عقد تتوافق مع الأحداث الفرعية، لكن برمجة هذه الشبكات وتدريبها يكون مملًا ويتطلب خبرة واسعة في المجال. في هذه الورقة، نقترح نهجًا شبه مراقب حيث يتم تهيئة شبكة انتشار مُنظمة يدويًا (شكل من أشكال الشبكة الديناميكية البيانية) من كمية صغيرة من البيانات المُعَلَّمة بالكامل، ثم يتم تحسينها بواسطة طريقة تعلم تعتمد على EM بطريقة غير مراقبة. أثناء تحسين العقد (الخطوة M)، يتم استخدام خوارزمية تعتمد على التعزيز لتدريب كواشف الأدلة للعقود الفردية. تظهر التجارب على مجموعة متنوعة من أنواع البيانات - القياسات البصرية والقصور الذاتي - في مهام متعددة القدرة على التعلم من مثال واحد مُعَلَّم بالكامل مصحوبًا بعدد صغير من الأمثلة التدريبية الإيجابية غير المُعَلَّمة. يتم تطبيق النظام على مهام التعرف وكشف الشذوذ.