Bayesian estimation of unknown parameters over networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F16%3A00462059" target="_blank" >RIV/67985556:_____/16:00462059 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/EUSIPCO.2016.7760500" target="_blank" >http://dx.doi.org/10.1109/EUSIPCO.2016.7760500</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/EUSIPCO.2016.7760500" target="_blank" >10.1109/EUSIPCO.2016.7760500</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian estimation of unknown parameters over networks

Popis výsledku v původním jazyce

We address the problem of sequential parameter estimation over networks using the Bayesian methodology. Each node sequentially acquires independent observations, where all the observations in the network contain signal(s) with unknown parameters. The nodes aim at obtaining accurate estimates of the unknown parameters and to that end, they collaborate with their neighbors. They communicate to the neighbors their latest posterior distributions of the unknown parameters. The nodes fuse the received information by using mixtures with weights proportional to the predictive distributions obtained from the respective node posteriors. Then they update the fused posterior using the next acquired observation, and the process repeats. We demonstrate the performance of the proposed approach with computer simulations and confirm its validity

Název v anglickém jazyce

Bayesian estimation of unknown parameters over networks

Popis výsledku anglicky

We address the problem of sequential parameter estimation over networks using the Bayesian methodology. Each node sequentially acquires independent observations, where all the observations in the network contain signal(s) with unknown parameters. The nodes aim at obtaining accurate estimates of the unknown parameters and to that end, they collaborate with their neighbors. They communicate to the neighbors their latest posterior distributions of the unknown parameters. The nodes fuse the received information by using mixtures with weights proportional to the predictive distributions obtained from the respective node posteriors. Then they update the fused posterior using the next acquired observation, and the process repeats. We demonstrate the performance of the proposed approach with computer simulations and confirm its validity

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GP14-06678P" target="_blank" >GP14-06678P: Distribuované dynamické odhadování v difuzních sítích</a><br>

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

Proc. 2016 24th European Signal Processing Conference (EUSIPCO)

ISBN

978-0-9928-6266-4

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1508-1512

Název nakladatele

EUSIPCO

Místo vydání

Budapest

Místo konání akce

Budapest

Datum konání akce

29. 8. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000391891900289