Počet záznamů: 1
Online Prediction Under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill
- 1.
SYSNO ASEP 0093163 Druh ASEP V - Výzkumná zpráva Zařazení RIV Záznam nebyl označen do RIV Název Online Prediction Under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill Překlad názvu Online predikce za neurčitosti modelu použitím dynamického průměrování modelů: aplikace na válcování plechu za studena Tvůrce(i) Raftery, A. E. (US)
Kárný, Miroslav (UTIA-B) RID, ORCID
Andrýsek, Josef (UTIA-B)
Ettler, P. (CZ)Vyd. údaje Seattle: University of Washington, 2007 Edice Technical Report of the University of Washington Č. sv. edice 525 Poč.str. 25 s. Forma vydání www - www Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova Bayesian averaging ; Multiple models ; Prediction Vědní obor RIV BB - Aplikovaná statistika, operační výzkum CEP 1ET100750401 GA AV ČR - Akademie věd 1M0572 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy CEZ AV0Z10750506 - UTIA-B (2005-2011) Anotace We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called Dynamic Model Averaging (DMA) in which a state space model for the parameters of each model is combined with a Markov chain model for the correct model. This allows the "correct" model to vary over time. The state space and Markov chain models are both specied in terms of forgetting, leading to a highly parsimonious representation. The method is applied to the problem of predicting the output strip thickness for a cold rolling mill, where the output is measured with a time delay. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2008
Počet záznamů: 1