Bayesian stopping rule in discrete parameter space with multiple local maxima

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F19%3A00503809" target="_blank" >RIV/67985556:_____/19:00503809 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.kybernetika.cz/content/2019/1/1" target="_blank" >https://www.kybernetika.cz/content/2019/1/1</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.14736/kyb-2019-1-0001" target="_blank" >10.14736/kyb-2019-1-0001</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian stopping rule in discrete parameter space with multiple local maxima

Popis výsledku v původním jazyce

The paper presents the stopping rule for random search for Bayesian model-structure estimation by maximising the likelihood function. The inspected maximisation uses random restarts to cope with local maxima in discrete space. The stopping rule, suitable for any maximisation of this type, exploits the probability of finding global maximum implied by the number of local maxima already found. It stops the search when this probability crosses a given threshold. The inspected case represents an important example of the search in a huge space of hypotheses so common in artificial intelligence, machine learning and computer science.

Název v anglickém jazyce

Bayesian stopping rule in discrete parameter space with multiple local maxima

Popis výsledku anglicky

The paper presents the stopping rule for random search for Bayesian model-structure estimation by maximising the likelihood function. The inspected maximisation uses random restarts to cope with local maxima in discrete space. The stopping rule, suitable for any maximisation of this type, exploits the probability of finding global maximum implied by the number of local maxima already found. It stops the search when this probability crosses a given threshold. The inspected case represents an important example of the search in a huge space of hypotheses so common in artificial intelligence, machine learning and computer science.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GA16-09848S" target="_blank" >GA16-09848S: Racionalita a uvažování</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název periodika

Kybernetika

ISSN

0023-5954

e-ISSN

—

Svazek periodika

55

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

11

Strana od-do

1-11

Kód UT WoS článku

000469010600001

EID výsledku v databázi Scopus

2-s2.0-85064231311