Bayesian Inference of Total Least-Squares With Known Precision

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F22%3APU146344" target="_blank" >RIV/00216305:26620/22:PU146344 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/9992409" target="_blank" >https://ieeexplore.ieee.org/document/9992409</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CDC51059.2022.9992409" target="_blank" >10.1109/CDC51059.2022.9992409</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian Inference of Total Least-Squares With Known Precision

Popis výsledku v původním jazyce

This paper provides a Bayesian analysis of the total least-squares problem with independent Gaussian noise of known variance. It introduces a derivation of the likelihood density function, conjugate prior probability-density function, and the posterior probability-density function. All in the shape of the Bingham distribution, introducing an unrecognized connection between orthogonal least-squares methods and directional analysis. The resulting Bayesian inference expands on available methods with statistical results. A recursive statistical identification algorithm of errors-in-variables models is laid- out. An application of the introduced inference is presented using a simulation example, emulating part of the identification process of linear permanent magnet synchronous motor drive parameters. The paper represents a crucial step towards enabling Bayesian statistical methods for problems with errors in variables.

Název v anglickém jazyce

Bayesian Inference of Total Least-Squares With Known Precision

Popis výsledku anglicky

This paper provides a Bayesian analysis of the total least-squares problem with independent Gaussian noise of known variance. It introduces a derivation of the likelihood density function, conjugate prior probability-density function, and the posterior probability-density function. All in the shape of the Bingham distribution, introducing an unrecognized connection between orthogonal least-squares methods and directional analysis. The resulting Bayesian inference expands on available methods with statistical results. A recursive statistical identification algorithm of errors-in-variables models is laid- out. An application of the introduced inference is presented using a simulation example, emulating part of the identification process of linear permanent magnet synchronous motor drive parameters. The paper represents a crucial step towards enabling Bayesian statistical methods for problems with errors in variables.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/TN01000024" target="_blank" >TN01000024: Národní centrum kompetence - Kybernetika a umělá inteligence</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the IEEE Conference on Decision and Control

ISBN

978-1-66-546761-2

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1-6

Název nakladatele

IEEE

Místo vydání

neuveden

Místo konání akce

Cancún

Datum konání akce

6. 12. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—