bibtype J - Journal Article
ARLID 0548683
utime 20231122150122.7
mtime 20211125235959.9
title (primary) (cze) Bayesovské odhady: přirozený nástroj pro využití apriorní informace
specification
page_count 13 s.
serial
ARLID cav_un_epca*0296652
ISSN 1210-8022
title Informační bulletin České statistické společnosti
volume_id 32
volume 3 (2021)
page_num 3-15
publisher
name Česká statistická společnost
title (eng) Bayesian estimates: tool for processing prior information
keyword Bayesovské odhady
keyword apriorní informace
keyword předchozí měření
keyword regularizace
keyword Bayesian estimation
keyword prior information
keyword previous measurements
keyword regularization
author (primary)
ARLID cav_un_auth*0263018
name1 Kalina
name2 Jan
institution UIVT-O
full_dept (cz) Oddělení strojového učení
full_dept (eng) Department of Machine Learning
full_dept Department of Machine Learning
garant K
fullinstit Ústav informatiky AV ČR, v. v. i.
author
ARLID cav_un_auth*0101199
name1 Soukup
name2 Lubomír
institution UTIA-B
full_dept (cz) Zpracování obrazové informace
full_dept Department of Image Processing
department (cz) ZOI
department ZOI
full_dept Department of Image Processing
fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
source
url https://www.statspol.cz/wp-content/uploads/2021/11/IB_3_2021.pdf
cas_special
project
project_id GA19-05704S
agency GA ČR
country CZ
ARLID cav_un_auth*0375756
abstract (cze) Tento článek studuje některé základní statistické modely a zamýšlí se nad situací, zda a jak bayesovské odhady jejich parametrů odpovídají intuici v případě, že se kombinují naměřená data s výsledky předchozích měření prováděných za stejných podmínek. Konkrétně se věnujeme bayesovským odhadům parametrů pro normální nebo binomické rozdělení, lineární regresi, ale i regularizačním sítím z oblasti strojového učení.
abstract (eng) This paper considers some fundamental statistical models and investigates whether Bayesian estimates of their parameters correspond to intuition in the situation, when observed data are combined with results of previous (prior) measurements obtained under the same conditions. Particularly, the paper considers Bayesian estimates of parameters for the normal or binomial distributions, linear regression, or regularization networks from the field of machine learning.
RIV BA
FORD0 10000
FORD1 10100
FORD2 10103
reportyear 2022
num_of_auth 2
mrcbC47 UTIA-B 10000 10100 10103
mrcbC52 4 O 4o 20231122150122.7
mrcbC55 UTIA-B BA
inst_support RVO:67985807
inst_support RVO:67985556
permalink http://hdl.handle.net/11104/0324733
cooperation
ARLID cav_un_auth*0329926
name MFF UK
country CZ
cooperation
ARLID cav_un_auth*0339298
name UTIA
confidential S
mrcbC91 A
arlyear 2021
mrcbTft \nSoubory v repozitáři: 0548683-afoa.pdf
mrcbU14 SCOPUS
mrcbU24 PUBMED
mrcbU34 WOS
mrcbU63 cav_un_epca*0296652 Informační bulletin České statistické společnosti 1210-8022 Roč. 32 č. 3 2021 3 15 Česká statistická společnost