Diffusion estimation of mixture models with local and global parameters

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F16%3A00461646" target="_blank" >RIV/67985556:_____/16:00461646 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/SSP.2016.7551775" target="_blank" >http://dx.doi.org/10.1109/SSP.2016.7551775</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SSP.2016.7551775" target="_blank" >10.1109/SSP.2016.7551775</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Diffusion estimation of mixture models with local and global parameters

Popis výsledku v původním jazyce

The state-of-art methods for distributed estimation of mixtures assume the existence of a common mixture model. In many practical situations, this assumption may be too restrictive, as a subset of parameters may be purely local, e.g., if the numbers of observable components differ across the network. To reflect this issue, we propose a new online Bayesian method for simultaneous estimation of local parameters, and diffusion estimation of global parameters. The algorithm consists of two steps. First, the nodes perform local estimation from own observations by means of factorized prior/posterior distributions. Second, a diffusion optimization step is used to merge the nodes' global parameters estimates. A simulation example demonstrates improved performance in estimation of both parameters sets.

Název v anglickém jazyce

Diffusion estimation of mixture models with local and global parameters

Popis výsledku anglicky

The state-of-art methods for distributed estimation of mixtures assume the existence of a common mixture model. In many practical situations, this assumption may be too restrictive, as a subset of parameters may be purely local, e.g., if the numbers of observable components differ across the network. To reflect this issue, we propose a new online Bayesian method for simultaneous estimation of local parameters, and diffusion estimation of global parameters. The algorithm consists of two steps. First, the nodes perform local estimation from own observations by means of factorized prior/posterior distributions. Second, a diffusion optimization step is used to merge the nodes' global parameters estimates. A simulation example demonstrates improved performance in estimation of both parameters sets.

Druh

D - Stať ve sborníku

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 2016 IEEE Workshop on Statistical Signal Processing

ISBN

978-1-4673-7802-4

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

362-366

Název nakladatele

IEEE

Místo vydání

Palma de Mallorca, Španělsko

Místo konání akce

Palma de Mallorca

Datum konání akce

26. 6. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000390840200071