bibtype	C - Conference Paper (international conference)
ARLID	0106413
utime	20240103173143.0
mtime	20050324235959.9
title (primary) (eng)	Bayesian estimation of non-stationary AR model parameters via an unknown forgetting factor
specification	page_count 6 s.
serial	title Proceedings of the IEEE Workshop on Signal Processing page_num 100-105 publisher place New Mexico name IEEE year 2004
title (cze)	Bayesovské odhadování autoregresních modelů s proměnnými parametry pomocí odhadovaného faktoru zapomínání
keyword	Bayesian estimation
keyword	non-stationary AR parameters
keyword	forgetting
author (primary)	ARLID cav_un_auth*0101207 name1 Šmídl name2 Václav institution UTIA-B full_dept Department of Adaptive Systems fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
COSATI	09I
COSATI	09J
cas_special	research CEZ:AV0Z1075907 abstract (eng) In this paper, we study Bayesian identification of the nonstationary parameters of the AR process. It is traditionally achieved via forgetting. Numerically efficient solution is available if the forgetting factor is known a priori. In this paper, we propose a joint Bayesian identification of the AR parameters and the unknown forgetting factor. The resulting intractable posterior distribution is approximated using Variational-Bayes method. abstract (cze) Bayesovské odhadování autoregresních modelů s proměnnými parametry je tradičně založeno na zapomínání zastaralé informace. Pro předem zvolený faktor zapomínání existují efektivní algoritmy. V článku je řešen uvedený problém v případě, že vhodný faktor není předem znám. Teoreticky správné, ale nerealizovatelné řešení je převedeno na použitelný algoritmus pomocí variační aproximace action ARLID cav_un_auth*0129925 name IEEE Workshop on Signal Processing place New Mexico dates 01.08.2004-04.08.2004 country US reportyear 2005 RIV BC permalink http://hdl.handle.net/11104/0013595 ID_orig UTIA-B 20040225 arlyear 2004 mrcbU63 Proceedings of the IEEE Workshop on Signal Processing 100 105 New Mexico IEEE 2004