Gaussian Process Quadrature Moment Transform
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F18%3A43952475" target="_blank" >RIV/49777513:23520/18:43952475 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1109/TAC.2017.2774444" target="_blank" >https://doi.org/10.1109/TAC.2017.2774444</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/TAC.2017.2774444" target="_blank" >10.1109/TAC.2017.2774444</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Gaussian Process Quadrature Moment Transform
Popis výsledku v původním jazyce
Computation of moments of transformed random variables is a problem appearing in many engineering applications. The current methods for moment transformation are mostly based on the classical quadrature rules, which cannot account for the approximation errors. Our aim is to design a method for moment transformation of Gaussian random variables, which accounts for the error in the numerically computed mean. We employ an instance of Bayesian quadrature, called Gaussian process quadrature (GPQ), which allows us to treat the integral itself as a random variable, where the integral variance informs us about the incurred integration error. Experiments on the coordinate transformation and nonlinear filtering examples show that the proposed GPQ moment transform performs better than the classical transforms.
Název v anglickém jazyce
Gaussian Process Quadrature Moment Transform
Popis výsledku anglicky
Computation of moments of transformed random variables is a problem appearing in many engineering applications. The current methods for moment transformation are mostly based on the classical quadrature rules, which cannot account for the approximation errors. Our aim is to design a method for moment transformation of Gaussian random variables, which accounts for the error in the numerically computed mean. We employ an instance of Bayesian quadrature, called Gaussian process quadrature (GPQ), which allows us to treat the integral itself as a random variable, where the integral variance informs us about the incurred integration error. Experiments on the coordinate transformation and nonlinear filtering examples show that the proposed GPQ moment transform performs better than the classical transforms.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-12068S" target="_blank" >GA15-12068S: Adaptivní přístupy k odhadu stavu nelineárních stochastických systémů</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
IEEE Transactions on Automatic Control
ISSN
0018-9286
e-ISSN
—
Svazek periodika
63
Číslo periodika v rámci svazku
9
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
11
Strana od-do
2844-2854
Kód UT WoS článku
000443705900007
EID výsledku v databázi Scopus
2-s2.0-85035117396