|
| << vorige | volgende >> |
Tijdschrift beschrijving
Alle jaargangen van het bijbehorende tijdschrift
Alle afleveringen van het bijbehorende jaargang
Alle artikelen van de bijbehorende aflevering
Details van artikel 2 van 5 gevonden artikelen
| Titel: |
Dynamic Probabilistic Networks for Modelling and Identifying Dynamic Systems: A MCMC Approach |
| Auteur: |
Bellazzi, Riccardo Magni, Paolo De Nicolao, Giuseppe |
| Verschenen in: |
Intelligent data analysis |
| Paginering: | Jaargang 1 (2013) nr. 4 pagina's 245-262 |
| Jaar: |
2013-06-14 |
| Inhoud: |
In this article we deal with the problem of interpreting data coming from a dynamic system by using causal probabilistic (CPN), a probabilistic graphical model particularly appealing in Intelligent Data Analysis. We discuss the different approaches presented in the literature, outlining their pros and cons through a simple training example. Then, we present a new method for reconstructing the state of the dynamic system, based on Markov Chain Monte Carlo algorithms, called dynamic probabilistic network smoothing (DPN-smoothing). Finally, we present an example of the application of DPN-smoothing in the field of signal deconvolution. |
| Uitgever: |
IOS Press |
| Bronbestand: |
Elektronische Wetenschappelijke Tijdschriften |
Details van artikel 2 van 5 gevonden artikelen
| << vorige | volgende >> |