Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Dirichlet Mixtures of Bayesian Linear Gaussian State-Space Models: a Variational Approach

Chiappa, S., & Barber, D.(2007). Dirichlet Mixtures of Bayesian Linear Gaussian State-Space Models: a Variational Approach (161). Tübingen, Germany: Max Planck Institute for Biological Cybernetics.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CE85-7 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-87D9-1
Genre: Bericht

Dateien

einblenden: Dateien
ausblenden: Dateien
:
MPIK-TR-161.pdf (Verlagsversion), 532KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0002-87A0-0
Name:
MPIK-TR-161.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Chiappa, S1, 2, Autor           
Barber, D, Autor
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We describe two related models to cluster multidimensional time-series under the assumption of an underlying linear Gaussian dynamical process. In the first model, times-series are assigned to the same cluster when they show global similarity in their dynamics, while in the second model times-series are assigned to the same cluster when they show simultaneous similarity. Both models are based on Dirichlet Mixtures of Bayesian Linear Gaussian State-Space Models in order to (semi) automatically determine an appropriate number of components in the mixture, and to additionally bias the components to a parsimonious parameterization. The resulting models are formally intractable and to deal with this we describe a deterministic approximation based on a novel implementation of Variational Bayes.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-03
 Publikationsstatus: Erschienen
 Seiten: 32
 Ort, Verlag, Ausgabe: Tübingen, Germany : Max Planck Institute for Biological Cybernetics
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Reportnr.: 161
BibTex Citekey: 4917
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Technical Report of the Max Planck Institute for Biological Cybernetics
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 161 Artikelnummer: - Start- / Endseite: - Identifikator: -