تحلیل مدل های پنهان دیریکله

در این پژوهش یک روش گشتاوری تعمیم یافته برای مدل های عضویت آمیخته توسعه داده می شود. این روش با رویکرد برآورد گشتاوری سریع برای مدل های دیریکله پنهان MELD ، با رویکردهای قبلی متفاوت است. از آن جا که توابع گشتاوری برای متغیرهایی با توزیع های مولد مختلف تعریف می شود. آن را فراتر از رویکردهای قبلی برای داده های یک دست می برد. این رویکرد گشتاورهای مرتبه دوم و سوم را برای داده هایی مختلف ایجاد می کند. برآورد پارامتر در چارچوب گشتاوری تعمیم یافته GMM با به حداقل رساندن فرم درجه دوم توابع گشتاوری، با استفاده از یک الگوریتم نزول مختصاتی انجام می شود. مقیاس این الگوریتم بسته به استفاده از توابع گشتاور مرتبه سوم o(p3) یا o(p3) تعریف می شود. زمانی که اندازه نمونه بزرگ و بعد متوسط باشد، این روش یادگیری مزایای محاسباتی روشن و کارایی بهتر نسبت به روش های مشابه مونت کارلویی زنجیر مارکوفی و بیشینه اُمید تغییرات دارد.

کلیدواژه ها:

روش گشتاوری تعمیم یافته ، تخصیص پنهان دیریکله ، متغیر پنهان ، مدل عضویت آمیخته ، داده آمیخته ، یادگیری ماشین.