मिक्स्ड-स्टेट डायनामीक बेयसियन नेटवर्क का उपयोग करके समय-श्रृंखला वर्गीकरण

हम वस्तु पथों जैसे समय-श्रृंखला डेटा को मॉडलिंग और वर्गीकृत करने के लिए एक नवीन मिक्स्ड-स्टेट डायनामीक बेयसियन नेटवर्क (DBN) ढांचे की पेशकश करते हैं। एक हिडन मार्कोव मॉडल (HMM) को निरंतर पथ गति के लिए एक रेखीय गतिशील प्रणाली (LDS) मॉडल के साथ जोड़ा गया है। यह संयोजन हमें मानव इशारों जैसे पथों के निरंतर और विभाजन के कारणों को मॉडल करने की अनुमति देता है। मॉडल को बेयसियन नेटवर्क साहित्य से समृद्ध सैद्धांतिक सामग्री का उपयोग करके निकाला गया है। यह हमें कार्य और प्रणाली राज्यों के अन्यथा कठिन अनुमान को हल करने के लिए एक लगभग संरचित वैरिएशनल इन्फरेंस तकनीक का उपयोग करने की अनुमति देता है। उसी DBN ढांचे का उपयोग करते हुए, हम डेटा से मिश्रित-राज्य मॉडल पैरामीटर सीखने का तरीका दिखाते हैं। प्रयोग दिखाते हैं कि उच्च सांख्यिकीय विश्वास के साथ मिक्स्ड-स्टेट DBNs कंप्यूटर माउस के साथ बनाए गए मानव इशारों को पहचानने के कार्य पर डिकपल्ड HMM/LDS मॉडलों की तुलना में अनुकूल प्रदर्शन करते हैं।