Počet záznamů: 1
Recursive Estimation of High-Order Markov Chains: Approximation by Finite Mixtures
- 1.
SYSNO ASEP 0444151 Druh ASEP V - Výzkumná zpráva Zařazení RIV Záznam nebyl označen do RIV Název Recursive Estimation of High-Order Markov Chains: Approximation by Finite Mixtures Tvůrce(i) Kárný, Miroslav (UTIA-B) RID, ORCID Celkový počet autorů 1 Vyd. údaje ÚTIA AV ČR, v.v.i, 2015 Edice Research Report Č. sv. edice 2350 Poč.str. 28 s. Forma vydání Tištěná - P Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova Markov chain ; approximate parameter estimation ; Bayesian recursive estimation ; adaptive systems ; Kullback-Leibler divergence ; forgetting Vědní obor RIV BC - Teorie a systémy řízení CEP GA13-13502S GA ČR - Grantová agentura ČR Institucionální podpora UTIA-B - RVO:67985556 Anotace A high-order Markov chain is a universal model of stochastic relations between discrete-valued variables. The exact estimation of its transition probabilities suers from the curse of dimensionality. It requires an excessive amount of informative observations as well as an extreme memory for storing the corresponding su cient statistic. The paper bypasses this problem by considering a rich subset of Markov-chain models, namely, mixtures of low dimensional Markov chains, possibly with external variables. It uses Bayesian approximate estimation suitable for a subsequent decision making under uncertainty. The proposed recursive (sequential, one-pass) estimator updates a product of Dirichlet probability densities (pds) used as an approximate posterior pd, projects the result back to this class of pds and applies an improved data-dependent stabilised forgetting, which counteracts the dangerous accumulation of approximation errors. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2016
Počet záznamů: 1