Modeling of mixed data for Poisson prediction

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F20%3A00524975" target="_blank" >RIV/67985556:_____/20:00524975 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/SACI49304.2020.9118836" target="_blank" >http://dx.doi.org/10.1109/SACI49304.2020.9118836</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/SACI49304.2020.9118836" target="_blank" >10.1109/SACI49304.2020.9118836</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Modeling of mixed data for Poisson prediction
Popis výsledku v původním jazyce
The paper deals with the task of modeling mixed continuous Gaussian and discrete Poisson data observed on a multimodal system. The proposed solution is based on recursive algorithms of Bayesian mixture estimation. The main contributions of the approach are: (i) the use of the discretized information of normal variables in the form of their clusters in order to keep the one-pass recursive estimation methodology and (ii) the prediction of the multimodal Poisson variable. Experiments with simulated and real data are presented.
Název v anglickém jazyce
Modeling of mixed data for Poisson prediction
Popis výsledku anglicky
The paper deals with the task of modeling mixed continuous Gaussian and discrete Poisson data observed on a multimodal system. The proposed solution is based on recursive algorithms of Bayesian mixture estimation. The main contributions of the approach are: (i) the use of the discretized information of normal variables in the form of their clusters in order to keep the one-pass recursive estimation methodology and (ii) the prediction of the multimodal Poisson variable. Experiments with simulated and real data are presented.

Projekt
<a href="/cs/project/8A17006" target="_blank" >8A17006: (Ultra)Sound Interfaces and Low Energy iNtegrated SEnsors</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Applied Computational Intelligence and Informatics (SACI) : 2020 IEEE 14th International Symposium on Applied Computational Intelligence and Informatics (SACI)
ISBN
978-1-7281-7378-8
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
77-82
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Timisoara
Datum konání akce
21. 5. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000610510000012

Podobné výsledky(10)