About: Global approximation of model in recursive Bayesian parameter estimation     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Projekt, within Data Space : linked.opendata.cz associated with source document(s)

AttributesValues
rdf:type
Description
  • "Probability-based methods of parameter estimation that needs calculation of the complete posterior distribution or complete likelihood are notoriously known to suffer from the ""curse of dimensionality"". Design of feasible approximations is thus of vital importance for solving real-life problems. One natural way of beating the complexity of parameter estimation is to approximate directly the intractable model. Although this approach is often used in practice, it is mostly disliked or suspected by theorists becouse of the danger of accumulation of approximation errors in recursive estimation. Some preliminary results surprisingly indicate that this danger can be avoided or at least kept under control provided a kind of monotonicity property is required from the probability approximation. Approximation of the family of sampling distributions by an exponential family will be studied with respect to the monotonicity requirement." (en)
  • Pravděpodobnostní metody odhadování paramatrů, jež vyčíslují celou aposteriorní distribuci či věrohodnostní funkci, jsou obtížně implementovatelné vzhledem k vysoké dimenzi souvisejících výpočtů. Návrh vhodných aproximací je proto nezbytným předpokladem řešení reálných úloh. Jednou přirozenou cestou, jak redukovat složitost algoritmů odhadování, je přímo aproximovat samotný model. Tento přístup je sice běžně používán v praxi, ale z teoretického hlediska je považován za riskantní vzhledem k možnosti akumulace chyb při rekurzívním odhadování. Některé předběžné výsledky překvapivě ukazují, že akumulaci chyb se lze vyhnout, resp. ji udržet pod kontrolou za podmínky, že aproximace pravděpodobnosti je v jistém smyslu monotónní. Navrhovaný projekt chce studovat možnost aproximovat rodinu výběrových distribucí exponenciální rodinou při zachování této monotonie. Podrobně bude zkoumána otázka vhodného výběru bázových funkcí a počátku exponenciální rodiny, jakož i numerické vlastnosti aproximace. (cs)
Title
  • Globální aproximace modelu v rekurzívním bayesovském odhadování parametrů (cs)
  • Global approximation of model in recursive Bayesian parameter estimation (en)
http://linked.open...avai/druh-souteze
http://linked.open...domain/vavai/faze
http://linked.open...vavai/hlavni-obor
http://linked.open...vai/vedlejsi-obor
http://linked.open...vavai/id-aktivity
http://linked.open.../vavai/id-souteze
http://linked.open...n/vavai/kategorie
http://linked.open...nujicich-prijemcu
http://linked.open...avai/poskytovatel
http://linked.open...ai/statni-podpora
http://linked.open...vavai/typProjektu
http://linked.open...ai/uznane-naklady
http://linked.open...ai/pocet-prijemcu
http://linked.open...cet-spoluprijemcu
http://linked.open...ai/pocet-vysledku
http://linked.open...ku-zverejnovanych
is http://linked.open...ain/vavai/projekt of
Faceted Search & Find service v1.16.118 as of Jun 21 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 112 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software