On Assigning Probabilities to New Hypotheses
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F21%3A00544189" target="_blank" >RIV/67985556:_____/21:00544189 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.sciencedirect.com/science/article/pii/S0167865521002567" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0167865521002567</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.patrec.2021.07.011" target="_blank" >10.1016/j.patrec.2021.07.011</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On Assigning Probabilities to New Hypotheses
Popis výsledku v původním jazyce
The paper proposes the way how to assign a proper prior probability to a new, generally compound, hypothesis. To this purpose, it uses the minimum relative-entropy principlenand a forecaster-based knowledge transfer. Methodologically, it opens a way towards enriching the standard Bayesian framework by the possibility to extend the set of models during learning without the need to restart. The presented use scenarios concern: (a) creating new hypotheses, (b) learning problems with an insuffcient amount of data, andn(c) sequential Monte Carlo estimation. They indicate a strong application potential of the proposed technique. Related interesting open research problems are listed.
Název v anglickém jazyce
On Assigning Probabilities to New Hypotheses
Popis výsledku anglicky
The paper proposes the way how to assign a proper prior probability to a new, generally compound, hypothesis. To this purpose, it uses the minimum relative-entropy principlenand a forecaster-based knowledge transfer. Methodologically, it opens a way towards enriching the standard Bayesian framework by the possibility to extend the set of models during learning without the need to restart. The presented use scenarios concern: (a) creating new hypotheses, (b) learning problems with an insuffcient amount of data, andn(c) sequential Monte Carlo estimation. They indicate a strong application potential of the proposed technique. Related interesting open research problems are listed.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
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
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Pattern Recognition Letters
ISSN
0167-8655
e-ISSN
1872-7344
Svazek periodika
150
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
6
Strana od-do
170-175
Kód UT WoS článku
000694711500021
EID výsledku v databázi Scopus
2-s2.0-85111504429