<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>nozyh</author_name>
  <author_url>https://blog.hatena.ne.jp/nozyh/</author_url>
  <blog_title>nozyhの日記</blog_title>
  <blog_url>https://nozyh.hatenadiary.org/</blog_url>
  <categories>
  </categories>
  <description>何となく復習がてら、Tehによる階層ノンパラベイズのチュートリアル pdf を眺めてたのですが、ちょっと気になったことがあったので、まとめてみます。 infinite Hidden Markov Model（iHMM）というのがあります。名前から推測出来そうですが、これは通常の隠れマルコフモデルの状態数をデータに決定させてしまおうというモデルで、本質的な部分は前回紹介したDPMと全く同じです。これはどういう仕組みかというと、HMMの状態を無限（データから推測）とするために、HMMの状態の集合を、DPからのサンプルとします。DPは加算無限次元の離散分布を出力するので、これでHMMの状態をデータに…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fnozyh.hatenadiary.org%2Fentry%2F20110625%2F1309022715&quot; title=&quot;iHMMと単語分割と - nozyhの日記&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/n/nozyh/20110626/20110626021849.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2011-06-25 02:25:15</published>
  <title>iHMMと単語分割と</title>
  <type>rich</type>
  <url>https://nozyh.hatenadiary.org/entry/20110625/1309022715</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
