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”

Approximate fusion of probability density functions using Gaussian copulas

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F23%3A43969664" target="_blank" >RIV/49777513:23520/23:43969664 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.23919/FUSION52260.2023.10224201" target="_blank" >https://doi.org/10.23919/FUSION52260.2023.10224201</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.23919/FUSION52260.2023.10224201" target="_blank" >10.23919/FUSION52260.2023.10224201</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Approximate fusion of probability density functions using Gaussian copulas

  • Popis výsledku v původním jazyce

    Subjective Bayesian estimation perceives probability density functions as expert opinions. Among various rules for combining the opinions, the product and the weighted geometric mean of densities are prominent. Nevertheless, closed-form representations are scarce and non-parametric approaches often suffer from the curse of dimensionality. This paper prospects the fusion of densities represented by non-parametric marginal densities and a parametric Gaussian copula. The explicit reconstruction of the joint densities followed by an optimisation step is avoided. A cheap approximate combination is proposed instead. The combination of marginal densities is tuned by a Gaussian term, while the proposed copula parameter uses moments of the marginal densities. The presented examples illustrate the approximative nature of the approach for non-Gaussian densities and highlight some numerical issues.

  • Název v anglickém jazyce

    Approximate fusion of probability density functions using Gaussian copulas

  • Popis výsledku anglicky

    Subjective Bayesian estimation perceives probability density functions as expert opinions. Among various rules for combining the opinions, the product and the weighted geometric mean of densities are prominent. Nevertheless, closed-form representations are scarce and non-parametric approaches often suffer from the curse of dimensionality. This paper prospects the fusion of densities represented by non-parametric marginal densities and a parametric Gaussian copula. The explicit reconstruction of the joint densities followed by an optimisation step is avoided. A cheap approximate combination is proposed instead. The combination of marginal densities is tuned by a Gaussian term, while the proposed copula parameter uses moments of the marginal densities. The presented examples illustrate the approximative nature of the approach for non-Gaussian densities and highlight some numerical issues.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA22-11101S" target="_blank" >GA22-11101S: Tenzorový rozklad v aktivní diagnostice poruch pro stochastické rozlehlé systémy</a><br>

  • Návaznosti

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

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 statě ve sborníku

    Proceedings of the 2023 26th International Conference on Information Fusion

  • ISBN

    979-8-89034-485-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

    1-7

  • Název nakladatele

    IEEE

  • Místo vydání

    Charleston, USA

  • Místo konání akce

    Charleston, Jižní Karolína, USA

  • Datum konání akce

    27. 6. 2023

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku