Sequential Poisson Regression in Diffusion Networks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F20%3A00524262" target="_blank" >RIV/67985556:_____/20:00524262 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21240/20:00341229
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/9066870" target="_blank" >https://ieeexplore.ieee.org/document/9066870</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/LSP.2020.2987723" target="_blank" >10.1109/LSP.2020.2987723</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Sequential Poisson Regression in Diffusion Networks
Popis výsledku v původním jazyce
The Poisson regression is a popular model for positive integer random variables determined by known explanatory variables. This letter studies the problem of its collaborative Bayesian sequential estimation under potentially slowly time-varying regression coefficients. We assume networks where agents share their information about the inferred quantities with adjacent neighbors in order to improve the overall estimation performance. The communication strategy is the information diffusion, i.e., only one information exchange per time instant is allowed.
Název v anglickém jazyce
Sequential Poisson Regression in Diffusion Networks
Popis výsledku anglicky
The Poisson regression is a popular model for positive integer random variables determined by known explanatory variables. This letter studies the problem of its collaborative Bayesian sequential estimation under potentially slowly time-varying regression coefficients. We assume networks where agents share their information about the inferred quantities with adjacent neighbors in order to improve the overall estimation performance. The communication strategy is the information diffusion, i.e., only one information exchange per time instant is allowed.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
20201 - Electrical and electronic engineering
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
IEEE Signal Processing Letters
ISSN
1070-9908
e-ISSN
—
Svazek periodika
27
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
5
Strana od-do
625-629
Kód UT WoS článku
000536270500001
EID výsledku v databázi Scopus
2-s2.0-85087645141