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