Login
- Original title:
- Learning Probabilistic Subsequential Transducers
- Translated title:
- Lernen von probabilistischen subsequentiellen Transducern
- Author:
- Akram, Hasan Ibne
- Year:
- 2013
- Document type:
- Dissertation
- Faculty/School:
- Fakultät für Informatik
- Advisor:
- Eckert, Claudia (Prof. Dr.)
- Referee:
- Eckert, Claudia (Prof. Dr.); Esparza Estaun, Francisco Javier (Prof. Dr. Dr. h.c.); de la Higuera, Colin (Prof. Dr.)
- Language:
- en
- Subject group:
- DAT Datenverarbeitung, Informatik
- Keywords:
- Machine Lerning, Gramatical Inference, Transducer Learning
- Controlled terms:
- Transduktor Automatentheorie; Maschinelles Lernen
- TUM classification:
- DAT 708d
- Abstract:
- In this thesis we investigate inference of probabilistic subsequential transducers in an active learning environment. First, we propose a novel inference algorithm where the learner interacts with an oracle by asking probabilistic queries on the observed data. Second, we propose another learning algorithm where the oracle can be replaced by statistical tests over observed data. We also provide experimental evidence to show the correctness of the proposed algorithms.
- Translated abstract:
- In der vorliegenden Arbeit untersuchen wir probabilistische subsequentielle Transducer in einer aktiven Lernumgebung. Zunächst stellen wir einen neuen Lernalgorithmus vor, der probabilistische Anfragen über beobachtete Daten an ein Orakel stellt. Danach stellen wir einen weiteren Lernalgorithmus vor, bei dem das Orakel durch statistische Tests über beobachteten Daten ersetzt wird. Um die Korrektheit nachzuweisen liefern wir darüber hinaus experimentelle Belege.
- WWW:
- https://mediatum.ub.tum.de/?id=1120048
- Date of submission:
- 29.10.2012
- Oral examination:
- 22.05.2013
- File size:
- 1207690 bytes
- Pages:
- 189
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20130522-1120048-0-6
- Last change:
- 30.10.2013
BibTeX