Minimum Expected Relative Entropy Principle

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F20%3A00525233" target="_blank" >RIV/67985556:_____/20:00525233 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.23919/ECC51009.2020.9143856" target="_blank" >http://dx.doi.org/10.23919/ECC51009.2020.9143856</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.23919/ECC51009.2020.9143856" target="_blank" >10.23919/ECC51009.2020.9143856</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Minimum Expected Relative Entropy Principle

Popis výsledku v původním jazyce

Stochastic filtering estimates a timevarying (multivariate) parameter (a hidden variable) from noisy observations. It needs both observation and parameter evolution models. The latter is often missing or makes the estimation too complex. Then, the axiomatic minimum relative entropy (MRE) principle completes the posterior probability density (pd) of the parameter. The MRE principle recommends to modify a prior guess of the constructed pd to the smallest extent enforced by new observations. The MRE principle does not deal with a generic uncertain prior guess. Such uncertainty arises, for instance, when the MRE principle is used recursively. The paper fills this gap. The proposed minimum expected relative entropy (MeRE) principle: (a) makes Bayesian estimation less sensitive to the choice of the prior pd. (b) provides a stabilised parameter tracking with a data-dependent forgetting that copes with abrupt parameter changes. (c) applies in all cases exploiting MRE, for instance, in stochastic modelling.

Název v anglickém jazyce

Minimum Expected Relative Entropy Principle

Popis výsledku anglicky

Stochastic filtering estimates a timevarying (multivariate) parameter (a hidden variable) from noisy observations. It needs both observation and parameter evolution models. The latter is often missing or makes the estimation too complex. Then, the axiomatic minimum relative entropy (MRE) principle completes the posterior probability density (pd) of the parameter. The MRE principle recommends to modify a prior guess of the constructed pd to the smallest extent enforced by new observations. The MRE principle does not deal with a generic uncertain prior guess. Such uncertainty arises, for instance, when the MRE principle is used recursively. The paper fills this gap. The proposed minimum expected relative entropy (MeRE) principle: (a) makes Bayesian estimation less sensitive to the choice of the prior pd. (b) provides a stabilised parameter tracking with a data-dependent forgetting that copes with abrupt parameter changes. (c) applies in all cases exploiting MRE, for instance, in stochastic modelling.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LTC18075" target="_blank" >LTC18075: Distribuované racionální rozhodování: kooperační aspekty</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

Proceedings of the 18th European Control Conference (ECC)

ISBN

978-390714401-5

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

35-40

Název nakladatele

European Union Control Association (EUCA)

Místo vydání

Saint Petersburg

Místo konání akce

Saint Petersburg

Datum konání akce

12. 5. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000613138000007