Počet záznamů: 1
Online Prediction under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill
- 1.
SYSNO ASEP 0342595 Druh ASEP J - Článek v odborném periodiku Zařazení RIV J - Článek v odborném periodiku Poddruh J Článek ve WOS Název Online Prediction under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill Tvůrce(i) Raftery, A. E. (US)
Kárný, Miroslav (UTIA-B) RID, ORCID
Ettler, P. (CZ)Zdroj.dok. Technometrics - ISSN 0040-1706
Volume 52, Number 1 (2010), s. 52-66Poč.str. 15 s. Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova prediction ; rolling mills ; Bayesian Dynamic Averaging Vědní obor RIV BC - Teorie a systémy řízení CEP 1M0572 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy 7D09008 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy CEZ AV0Z10750506 - UTIA-B (2005-2011) UT WOS 000275920200006 EID SCOPUS 77949408057 DOI 10.1198/TECH.2009.08104 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. As a special case, when the model and parameters do not change, DMA is a recursive implementation of standard Bayesian model averaging, which we call recursive model averaging (RMA). 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 2011
Počet záznamů: 1