project |
project_id |
IBS1075351 |
agency |
GA AV ČR |
ARLID |
cav_un_auth*0001804 |
|
project |
project_id |
GA102/03/0049 |
agency |
GA ČR |
ARLID |
cav_un_auth*0001805 |
|
project |
project_id |
GA102/01/0608 |
agency |
GA ČR |
ARLID |
cav_un_auth*0004074 |
|
research |
CEZ:AV0Z1075907 |
abstract
(eng) |
Majority of complex non-linear systems can be successfully modelled by a finite probabilistic mixture of linear models. The mixture model can be handled analytically, which is important for control of the system as well as for decision making.This paper introduces a new estimation algorithm, which is based on minimization of Kullback-Leibler distance between the proper Bayesian posterior density and an approximate posterior density of good properties. |
abstract
(cze) |
Většina složitých nelineárních systémů se dá úspěšně modelovat konečnou pravděpodobnostní směsí lineárních modelů. S tímto směsový modelem se dá pracovat analyticky, což je velmi důležité jak pro řídící tak pro rozhodovací úlohy. Tento článek představuje nový odhadovací algoritmus, který je založen na minimalizaci Klullback-Leiblerovy vzdálenosti mezi správnou Bayesovskou posteriorní hustotou a její aproximací určitých dobrých vlastností |
action |
ARLID |
cav_un_auth*0129852 |
name |
Workshop on Computer-Intensive Methods in Control and Data Processing 2004 |
place |
Prague |
dates |
12.05.2004-14.05.2004 |
country |
CZ |
|
reportyear |
2005 |
RIV |
BB |
permalink |
http://hdl.handle.net/11104/0013423 |
ID_orig |
UTIA-B 20040052 |
arlyear |
2004 |
mrcbU63 |
cav_un_epca*0033112 Multiple Participant Decision Making 0-9751004-5-9 39 54 Adelaide Advanced Knowledge International 2004 International Series on Advanced Intelligence. 9 |
mrcbU67 |
Andrýsek J. 340 |
mrcbU67 |
Kárný M. 340 |
mrcbU67 |
Kracík J. 340 |