Learning Linear, Sparse, Factorial Codes

In previous work (Olshausen & Field 1996), an algorithm was described for learning linear sparse codes which, when trained on natural images, produces a set of basis functions that are spatially localized, oriented, and bandpass (i.e., wavelet-like). This note shows how the algorithm may be interpreted within a maximum-likelihood framework. Several useful insights emerge from this connection: it makes explicit the relation to statistical independence (i.e., factorial coding), it shows a formal relationship to the algorithm of Bell and Sejnowski (1995), and it suggests how to adapt parameters that were previously fixed.

Factorial Hidden Markov Models

We present a framework for learning in hidden Markov models with distributed state representations. Within this framework, we derive a learning algorithm based on the Expectation--Maximization (EM) procedure for maximum likelihood estimation. Analogous to the standard Baum-Welch update rules, the M-step of our algorithm is exact and can be solved analytically. However, due to the combinatorial nature of the hidden state representation, the exact E-step is intractable. A simple and tractable mean field approximation is derived. Empirical results on a set of problems suggest that both the mean field approximation and Gibbs sampling are viable alternatives to the computationally expensive exact algorithm.

Composición factorial de la versión española de la Spence Children Anxiety Scale (SCAS).

Resumen tomado de la publicación

An??lisis de la estructura factorial de las puntuaciones de la 'Preschool and Kindergarten Behavior Scale' en poblaci??n espa??ola

Resumen tomado de la publicaci??n

Uso de R y GRASS para la obtención de mapas de disponibilidad de hábitat mediante análisis factorial de nicho

It is possible to obtain habitat suitability maps using several applications like "Biomapper" v. 3.1.5 (http://www2.unil.ch/biomapper) or the "adehabitat" library v. 1.2.1, developed to be used within R program (http//www.R-project.org)

Estructura factorial de la adaptaci??n espa??ola de la Escala de Identificaci??n Grupal de Tarrant

Resumen tomado de la publicaci??n

El an??lisis factorial de datos ipsativos : un estudio de simulaci??n

Resumen tomado de la publicaci??n

Evaluación de la equivalencia factorial y métrica de la Sexual Assertiveness Scale (SAS) por sexo.

Resumen tomado de la publicación

Desarrollo del cuestionario de agresividad proactiva-reactiva para profesores : estructura factorial y propiedades psicom??tricas

Resumen tomado de la publicaci??n

Adaptaci??n al castellano y estructura factorial del Denison Organizational Culture Survey

Resumen tomado de la publicaci??n

Procedimientos gr??ficos para evaluar la consistencia intra-individual en el an??lisis factorial de ??tems

Resumen tomado de la publicaci??n

An??lisis factorial confirmatorio del ??ndice de Sensibilidad a la Ansiedad para Ni??os

Resumen tomado de la publicaci??n

Liderazgo transformacional y liderazgo transaccional : un an??lisis de la estructura factorial del Multifactor Leadership Questionnaire (MLQ) en una muestra espa??ola

Resumen tomado de la publicaci??n

Estructura factorial y consistencia interna de la versi??n espa??ola del Parenting Stress Index-Short Form

Resumen tomado de la publicaci??n

Estrutura factorial do Zimbardo Time Perspective Inventory – ZTPI numa amostra de estudantes universitários portugueses

El Zimbardo Time Perspective Inventory – ZTPI (Zimbardo & Boyd, 1999) es una escala compuesta por cinco factores (pasado positivo, pasado negativo, presente hedonista, presente fatalista y futuro) que evalúa la perspectiva temporal de forma multidimensional superando, de esta forma, una de las limitaciones señaladas en otros instrumentos creados en el pasado. El objetivo de este estudio es analizar la estructura factorial de una versión portuguesa del ZTPI en una muestra de 277 estudiantes universitarios portugueses con edades comprendidas entre los 18 y los 53 años (M = 22, DE = 5.43). Fueron encontrados 5 factores que explican 35.25% de la varianza total. Estos resultados son muy parecidos a los expuestos por Zimbardo y Boyd (1999) en la publicación original del instrumento.