Sirvi Autor "Pihel, Jaan Erik" järgi

Nüüd näidatakse 1 - 2 2

Kolmekaupa Markovi ahelate Viterbi raja lähendamine variatsiooniliste meetoditega
(Tartu Ülikool, 2025) Pihel, Jaan Erik; Lember, Jüri, juhendaja; Soop, Oskar, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Kolmekaupa Markovi ahel (TMM) üldistab paarikaupa Markovi ning varjatud Markovi ahelaid. Ülesande konstrueerimisel eeldame, et meil on Markovi protsessi (U,X,Y ) puhul fikseeritud vaatlusandmed Y_1,...,Y_T ning me soovime leida Viterbi rada x^∗ ehk argmax_x Sigma_u p(u,x|y). Et selle lahendamine on NP raske, leitakse töös Viterbi raja lähend variatsioonise Bayesi meetodi abil. Belief propagation (BP) ja variational message passing (VMP) algoritmide tulemusena leitakse erinevate kitsendustega q(u,x), mis minimiseerib KL kaugust D[q||p] ning seejärel antakse lähend mõõdu q(x) Viterbi rajana kasutades Viterbi algoritmi. Eksperimendid näitavad, et kaks algoritmi komplementeerivad üksteist ehk arvutuslikult keerukam BP algoritm ei ole alati parem.
Modulaarsed tehisnärvivõrgud
(2019) Pihel, Jaan Erik; Meelis Kull; Markus Kängsepp
Töös uuriti modulaarsete tehisnärvivõrkude oskust õppida lahendamaprobleeme, mis on olemuslikult alamülesanneteks jaotatavad. Ülesandeks valiti närvivõrgu abil kaadri kaupa palli liikumise ennustamine laual, kus algsisenditeks on pallija seinte koordinaadid koos kiirustega ning kus toimub sirgliikumine ning põrked vastukõiki seinu. Töös loodud närvivõrgu arhitektuur, kus on iga kihti võimalik loomulikult tõlgendada, kasutab tähelepanumoodulit, et liigitada alamülesandeid. Näidatakse,et sellise mudeliga õppimine on ilma moodulite eeltreenimiseta küllalt aeglane. Kuideeltreenimisel võib mudel õppida ülesandeid lahendama vähesema ülesobitusega, sestmudeli arhitektuuri on teatud eeldusi ja inimteadmisi sisse kodeeritud.