Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

On Bayesian Decision-Making and Approximation of Probability Densities

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F15%3APU113923" target="_blank" >RIV/00216305:26620/15:PU113923 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7296313" target="_blank" >http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7296313</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP.2015.7296313" target="_blank" >10.1109/TSP.2015.7296313</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    On Bayesian Decision-Making and Approximation of Probability Densities

  • Popis výsledku v původním jazyce

    An approximation of a true, unknown, posterior probability density (pd) representing some real state-space systém is presented as Bayesian decision-making among a set of possible descriptions (models). The decision problem is carefully defined on its basic elements and it is shown how it leads to the use of the Kullback-Leibler (KL) divergence for evaluating a loss of information between the unknown posterior pd and its approximation. The resulting algorithm is derived on a general level, allowing specific algorithms to be designed according to a selected class of the probability distributions. A concrete example of the algorithm is proposed for the Gaussian case. An experiment is performed assuming that none of the possible descriptions is precisely identical with the unknown system.

  • Název v anglickém jazyce

    On Bayesian Decision-Making and Approximation of Probability Densities

  • Popis výsledku anglicky

    An approximation of a true, unknown, posterior probability density (pd) representing some real state-space systém is presented as Bayesian decision-making among a set of possible descriptions (models). The decision problem is carefully defined on its basic elements and it is shown how it leads to the use of the Kullback-Leibler (KL) divergence for evaluating a loss of information between the unknown posterior pd and its approximation. The resulting algorithm is derived on a general level, allowing specific algorithms to be designed according to a selected class of the probability distributions. A concrete example of the algorithm is proposed for the Gaussian case. An experiment is performed assuming that none of the possible descriptions is precisely identical with the unknown system.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0068" target="_blank" >ED1.1.00/02.0068: CEITEC - central european institute of technology</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    38th International Conference on Telecommunications and Signal Processing (TSP)

  • ISBN

    978-1-4799-8498-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    499-503

  • Název nakladatele

    Institute of Electrical and Electronics Engineers

  • Místo vydání

    Prague

  • Místo konání akce

    Prague, Czech Republic

  • Datum konání akce

    9. 7. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000375231000204