Algorithms for varible length Markov chain modeling
From Biocourse
Address : http://www.soe.ucsc.edu/~jill/src/
Web tool/ application : application
국가명 : 미국
만든곳 : 켈리포니아 대학교
사용자 환경 :
Version :
Input format :
Output format :
Contents : 우리는 변하기 쉬운 범위 Markov 모델의 일반적인 목적을 수행한다. 고정된 Markov모델과 달리 이 모델은 미리 정해진 일정한 깊이에 제한되지 않는다. 오히려 그 트레이닝검사를 통해 전후관계가 있다면 더 높은 Markov 순서에 맞는 모델이 만들어진다. 한편 낮은 단계의 Markov 의존은 다른 곳에서 사용된다. 이론적이고 실험에 의거한 결과가 나오면 숨겨진 상태의 사용 없이 이 모델은 적당한 양의 트레이닝 데이터으로부터 많은 신호를 잡아내는 능력이 있다.
We present a general purpose implementation of variablelength Markov models.
Contrary to fixed order Markov models,these models are not restricted to a
predefined uniform depth.Rather, by examining the training data, a model is
constructedthat fits higher order Markov dependencies where such contextsexist,
while using lower order Markov dependencies elsewhere.As both theoretical and
experimental results show, these modelsare capable of capturing rich signals
from a modest amount oftraining data, without the use of hidden states.
