liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Modelling regimes with Bayesian network mixtures
Linköpings universitet, Institutionen för datavetenskap, Databas och informationsteknik. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0002-8678-1164
Linköpings universitet, Institutionen för datavetenskap, Statistik. Linköpings universitet, Tekniska fakulteten.
2017 (Engelska)Ingår i: Proceedings of the 30th Annual Workshop of the Swedish Artificial Intelligence Society SAIS 2017, May 15–16, 2017, Karlskrona, Sweden / [ed] Niklas Lavesson, Linköping: Linköping University Electronic Press, 2017, Vol. 137, s. 20-29, artikel-id 002Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Bayesian networks (BNs) are advantageous when representing single independence models, however they do not allow us to model changes among the relationships of the random variables over time. Due to such regime changes, it may be necessary to use different BNs at different times in order to have an appropriate model over the random variables. In this paper we propose two extensions to the traditional hidden Markov model, allowing us to represent both the different regimes using different BNs, and potential driving forces behind the regime changes, by modelling potential dependence between state transitions and some observable variables. We show how expectation maximisation can be used to learn the parameters of the proposed model, and run both synthetic and real-world experiments to show the model’s potential.

Ort, förlag, år, upplaga, sidor
Linköping: Linköping University Electronic Press, 2017. Vol. 137, s. 20-29, artikel-id 002
Serie
Linköping Electronic Conference Proceedings, ISSN 1650-3686, E-ISSN 1650-3740 ; 137
Nyckelord [en]
Bayesian networks, hidden Markov models, regimes, algorithmic trading
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:liu:diva-137664ISBN: 9789176854969 (tryckt)OAI: oai:DiVA.org:liu-137664DiVA, id: diva2:1098364
Konferens
The 30th Annual Workshop of the Swedish Artificial Intelligence Society SAIS 2017, May 15–16, 2017, Karlskrona, Sweden
Tillgänglig från: 2017-05-24 Skapad: 2017-05-24 Senast uppdaterad: 2019-07-04Bibliografiskt granskad

Open Access i DiVA

Modelling regimes with Bayesian network mixtures(542 kB)6 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 542 kBChecksumma SHA-512
7262a2096f8ca111a3f9cf4ce2b8d842f01f791f850bf20013499569c0c8251decbc3f9c5cfd544da835e4a43e8d4668a3f484d949880be0976d3376f27da99f
Typ fulltextMimetyp application/pdf

Personposter BETA

Bendtsen, MarcusPeña, Jose M.

Sök vidare i DiVA

Av författaren/redaktören
Bendtsen, MarcusPeña, Jose M.
Av organisationen
Databas och informationsteknikTekniska fakultetenStatistik
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 6 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 259 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf