L'algorithme espérance-maximisation (en anglais Expectation-maximisation algorithm, souvent abrégé EM), proposé par Dempster et al. (1977), est une classe d'algorithmes qui permettent de trouver le maximum de vraisemblance des paramètres de modèles probabilistes lorsque le modèle dépend de variables latentes non observables.↑ (en) A.P. Dempster, N.M. Laird et Donald Rubin, « Maximum Likelihood from Incomplete Data via the EM Algorithm », Journal of the Royal Statistical Society.

PropertyValue
dbpedia-owl:abstract
  • L'algorithme espérance-maximisation (en anglais Expectation-maximisation algorithm, souvent abrégé EM), proposé par Dempster et al. (1977), est une classe d'algorithmes qui permettent de trouver le maximum de vraisemblance des paramètres de modèles probabilistes lorsque le modèle dépend de variables latentes non observables.
  • 기댓값 최대화 알고리즘(영어: expectation-maximization algorithm, 약자 EM)은 확률 모델에 관측 불가능한 변수들이 포함되어 있는 경우 최대가능도나 최대사후확률 가능도를 갖는 변수를 찾는 방법이다. 기댓값 최대화 알고리즘은 기존의 가능도를 기반으로 하여 더 좋은 가능도를 찾는 계산을 반복하는 구조로 이루어져 있다.
  • In statistics, an expectation–maximization (EM) algorithm is an iterative method for finding maximum likelihood or maximum a posteriori (MAP) estimates of parameters in statistical models, where the model depends on unobserved latent variables. The EM iteration alternates between performing an expectation (E) step, which creates a function for the expectation of the log-likelihood evaluated using the current estimate for the parameters, and a maximization (M) step, which computes parameters maximizing the expected log-likelihood found on the E step. These parameter-estimates are then used to determine the distribution of the latent variables in the next E step.The EM algorithm can be viewed as a special case of the majorize-minimization (MM) algorithm.
  • El algoritmo esperanza-maximización o algoritmo EM se usa en estadística para encontrar estimadores de máxima verosimilitud de parámetros en modelos probabilísticos que dependen de variables no observables. El algoritmo EM alterna pasos de esperanza (paso E), donde se computa la esperanza de la verosimilitud mediante la inclusión de variables latentes como si fueran observables, y un paso de maximización (paso M), donde se computan estimadores de máxima verosimilitud de los parámetros mediante la maximización de la verosimilitud esperada del paso E. Los parámetros que se encuentran en el paso M se usan para comenzar el paso E siguiente, y así el proceso se repite.
  • Der Expectation-Maximization-Algorithmus (kurz EM-Algorithmus, selten auch Estimation-Maximization-Algorithmus) ist ein Algorithmus der mathematischen Statistik.Die Kernidee des EM-Algorithmus ist es, mit einem zufällig gewählten Modell zu starten, und abwechselnd die Zuordnung der Daten zu den einzelnen Teilen des Modells (Expectation-Schritt) und die Parameter des Modells an die neueste Zuordnung (Maximization-Schritt) zu verbessern.In beiden Schritten wird dabei die Qualität des Ergebnisses verbessert: im E-Schritt werden die Punkte besser zugeordnet, im M-Schritt wird das Modell so verändert, dass es besser zu den Daten passt. Findet keine wesentliche Verbesserung mehr statt, beendet man das Verfahren.Das Verfahren findet typischerweise nur „lokale“ Optima. Dadurch ist es oft notwendig, das Verfahren mehrfach aufzurufen und das beste so gefundene Ergebnis auszuwählen.
  • EMアルゴリズム は、統計学において、確率モデルのパラメータを最尤法に基づいて推定する手法のひとつであり、観測不可能な潜在変数に確率モデルが依存する場合に用いられる。その一般性の高さから、音声認識、因子分析など、広汎な応用がある。期待値最大化法(きたいちさいだいかほう)、EM法とも呼ばれる。EMアルゴリズムは反復法の一種であり、期待値(英語: expectation, E) ステップと最大化 (英語: maximization, M)ステップを交互に繰り替えすことで計算が進行する。Eステップでは、現在推定されている潜在変数の分布に基づいて、モデルの尤度の期待値を計算する。Mステップでは、E ステップで求まった尤度の期待値を最大化するようなパラメータを求める。M ステップで求まったパラメータは、次の E ステップで使われる潜在変数の分布を決定するために用いられる。
  • EM-алгоритм (англ. Expectation-maximization (EM) algorithm) — алгоритм, используемый в математической статистике для нахождения оценок максимального правдоподобия параметров вероятностных моделей, в случае, когда модель зависит от некоторых скрытых переменных. Каждая итерация алгоритма состоит из двух шагов. На E-шаге (expectation) вычисляется ожидаемое значение функции правдоподобия, при этом скрытые переменные рассматриваются как наблюдаемые. На M-шаге (maximization) вычисляется оценка максимального правдоподобия, таким образом увеличивается ожидаемое правдоподобие, вычисляемое на E-шаге. Затем это значение используется для E-шага на следующей итерации. Алгоритм выполняется до сходимости.Часто EM-алгоритм используют для разделения смеси гауссиан.
dbpedia-owl:wikiPageID
  • 920159 (xsd:integer)
dbpedia-owl:wikiPageLength
  • 13775 (xsd:integer)
dbpedia-owl:wikiPageOutDegree
  • 14 (xsd:integer)
dbpedia-owl:wikiPageRevisionID
  • 110471218 (xsd:integer)
dbpedia-owl:wikiPageWikiLink
prop-fr:wikiPageUsesTemplate
dcterms:subject
rdfs:comment
  • L'algorithme espérance-maximisation (en anglais Expectation-maximisation algorithm, souvent abrégé EM), proposé par Dempster et al. (1977), est une classe d'algorithmes qui permettent de trouver le maximum de vraisemblance des paramètres de modèles probabilistes lorsque le modèle dépend de variables latentes non observables.↑ (en) A.P. Dempster, N.M. Laird et Donald Rubin, « Maximum Likelihood from Incomplete Data via the EM Algorithm », Journal of the Royal Statistical Society.
  • 기댓값 최대화 알고리즘(영어: expectation-maximization algorithm, 약자 EM)은 확률 모델에 관측 불가능한 변수들이 포함되어 있는 경우 최대가능도나 최대사후확률 가능도를 갖는 변수를 찾는 방법이다. 기댓값 최대화 알고리즘은 기존의 가능도를 기반으로 하여 더 좋은 가능도를 찾는 계산을 반복하는 구조로 이루어져 있다.
  • EMアルゴリズム は、統計学において、確率モデルのパラメータを最尤法に基づいて推定する手法のひとつであり、観測不可能な潜在変数に確率モデルが依存する場合に用いられる。その一般性の高さから、音声認識、因子分析など、広汎な応用がある。期待値最大化法(きたいちさいだいかほう)、EM法とも呼ばれる。EMアルゴリズムは反復法の一種であり、期待値(英語: expectation, E) ステップと最大化 (英語: maximization, M)ステップを交互に繰り替えすことで計算が進行する。Eステップでは、現在推定されている潜在変数の分布に基づいて、モデルの尤度の期待値を計算する。Mステップでは、E ステップで求まった尤度の期待値を最大化するようなパラメータを求める。M ステップで求まったパラメータは、次の E ステップで使われる潜在変数の分布を決定するために用いられる。
  • In statistics, an expectation–maximization (EM) algorithm is an iterative method for finding maximum likelihood or maximum a posteriori (MAP) estimates of parameters in statistical models, where the model depends on unobserved latent variables.
  • EM-алгоритм (англ. Expectation-maximization (EM) algorithm) — алгоритм, используемый в математической статистике для нахождения оценок максимального правдоподобия параметров вероятностных моделей, в случае, когда модель зависит от некоторых скрытых переменных. Каждая итерация алгоритма состоит из двух шагов. На E-шаге (expectation) вычисляется ожидаемое значение функции правдоподобия, при этом скрытые переменные рассматриваются как наблюдаемые.
  • El algoritmo esperanza-maximización o algoritmo EM se usa en estadística para encontrar estimadores de máxima verosimilitud de parámetros en modelos probabilísticos que dependen de variables no observables.
  • Der Expectation-Maximization-Algorithmus (kurz EM-Algorithmus, selten auch Estimation-Maximization-Algorithmus) ist ein Algorithmus der mathematischen Statistik.Die Kernidee des EM-Algorithmus ist es, mit einem zufällig gewählten Modell zu starten, und abwechselnd die Zuordnung der Daten zu den einzelnen Teilen des Modells (Expectation-Schritt) und die Parameter des Modells an die neueste Zuordnung (Maximization-Schritt) zu verbessern.In beiden Schritten wird dabei die Qualität des Ergebnisses verbessert: im E-Schritt werden die Punkte besser zugeordnet, im M-Schritt wird das Modell so verändert, dass es besser zu den Daten passt.
rdfs:label
  • Algorithme espérance-maximisation
  • Algoritmo esperanza-maximización
  • EM-Algorithmus
  • EM-алгоритм
  • EMアルゴリズム
  • Expectation–maximization algorithm
  • 기댓값 최대화 알고리즘
owl:sameAs
http://www.w3.org/ns/prov#wasDerivedFrom
foaf:isPrimaryTopicOf
is dbpedia-owl:knownFor of
is dbpedia-owl:wikiPageDisambiguates of
is dbpedia-owl:wikiPageRedirects of
is dbpedia-owl:wikiPageWikiLink of
is prop-fr:renomméPour of
is foaf:primaryTopic of