Recursive Variational Inference for Total Least-Squares
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F23%3APU148748" target="_blank" >RIV/00216305:26620/23:PU148748 - isvavai.cz</a>
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/10163935" target="_blank" >https://ieeexplore.ieee.org/document/10163935</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/LCSYS.2023.3289608" target="_blank" >10.1109/LCSYS.2023.3289608</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Recursive Variational Inference for Total Least-Squares
Popis výsledku v původním jazyce
This letter analyzes methods for deriving credible intervals to facilitate errors-in-variables identification by expanding on Bayesian total least squares. The credible intervals are approximated employing Laplace and variational approximations of the intractable posterior density function. Three recursive identification algorithms providing an approximation of the credible intervals for inference with the Bingham and the Gaussian priors are proposed. The introduced algorithms are evaluated on numerical experiments, and a practical example of application on battery cell total capacity estimation compared to the state-of-the-art algorithms is presented.
Název v anglickém jazyce
Recursive Variational Inference for Total Least-Squares
Popis výsledku anglicky
This letter analyzes methods for deriving credible intervals to facilitate errors-in-variables identification by expanding on Bayesian total least squares. The credible intervals are approximated employing Laplace and variational approximations of the intractable posterior density function. Three recursive identification algorithms providing an approximation of the credible intervals for inference with the Bingham and the Gaussian priors are proposed. The introduced algorithms are evaluated on numerical experiments, and a practical example of application on battery cell total capacity estimation compared to the state-of-the-art algorithms is presented.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
20200 - Electrical engineering, Electronic engineering, Information engineering
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
IEEE Control Systems Letters
ISSN
2475-1456
e-ISSN
—
Svazek periodika
7
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
6
Strana od-do
2839-2844
Kód UT WoS článku
001030633500020
EID výsledku v databázi Scopus
2-s2.0-85163452072