Publication details
Conference Paper (international conference)
Approximate recursive Bayesian estimation of dynamic probabilistic mixtures
: Multiple Participant Decision Making, p. 39-54
: Workshop on Computer-Intensive Methods in Control and Data Processing 2004, (Prague, CZ, 12.05.2004-14.05.2004)
: CEZ:AV0Z1075907
: IBS1075351, GA AV ČR, GA102/03/0049, GA ČR, GA102/01/0608, GA ČR
: parameter estimation, recursive estimation, probabilistic mixture
: http://library.utia.cas.cz/prace/20040052.pdf
(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.
(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
: 12B, 120
: BB