Mostra el registre d'ítem simple

dc.contributor.authorRecasens, Adria
dc.contributor.authorQuattoni, Ariadna Julieta
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament de Llenguatges i Sistemes Informàtics
dc.date.accessioned2014-01-10T11:34:20Z
dc.date.created2013
dc.date.issued2013
dc.identifier.citationRecasens, A.; Quattoni, A.J. Spectral learning of sequence taggers over continuous sequences. A: European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases. "Machine Learning and Knowledge Discovery in Databases European Conference, ECML PKDD 2013, Prague, Czech Republic, September 23-27, 2013, Proceedings, Part I". Praga: Springer-Verlag, 2013, p. 289-304.
dc.identifier.isbn978-364240987-5
dc.identifier.urihttp://hdl.handle.net/2117/21208
dc.description.abstractIn this paper we present a spectral algorithm for learning weighted finite-state sequence taggers (WFSTs) over paired input-output sequences, where the input is continuous and the output discrete. WFSTs are an important tool for modelling paired input-output sequences and have numerous applications in real-world problems. Our approach is based on generalizing the class of weighted finite-state sequence taggers over discrete input-output sequences to a class where transitions are linear combinations of elementary transitions and the weights of the linear combination are determined by dynamic features of the continuous input sequence. The resulting learning algorithm is efficient and accurate.
dc.format.extent16 p.
dc.language.isoeng
dc.publisherSpringer-Verlag
dc.subjectÀrees temàtiques de la UPC::Informàtica::Intel·ligència artificial
dc.subject.lcshData mining
dc.titleSpectral learning of sequence taggers over continuous sequences
dc.typeConference report
dc.subject.lemacMineria de dades
dc.contributor.groupUniversitat Politècnica de Catalunya. LARCA - Laboratori d'Algorísmia Relacional, Complexitat i Aprenentatge
dc.identifier.doi10.1007/978-3-642-40988-2_19
dc.description.peerreviewedPeer Reviewed
dc.relation.publisherversionhttp://link.springer.com/chapter/10.1007/978-3-642-40988-2_19
dc.rights.accessRestricted access - publisher's policy
drac.iddocument12899150
dc.description.versionPostprint (published version)
dc.date.lift10000-01-01
upcommons.citation.authorRecasens, A.; Quattoni, A.J.
upcommons.citation.contributorEuropean Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases
upcommons.citation.pubplacePraga
upcommons.citation.publishedtrue
upcommons.citation.publicationNameMachine Learning and Knowledge Discovery in Databases European Conference, ECML PKDD 2013, Prague, Czech Republic, September 23-27, 2013, Proceedings, Part I
upcommons.citation.startingPage289
upcommons.citation.endingPage304


Fitxers d'aquest items

Imatge en miniatura

Aquest ítem apareix a les col·leccions següents

Mostra el registre d'ítem simple

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets