Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Implicit Wiener Series: Part II: Regularised estimation

Gehler, P., & Franz, M.(2006). Implicit Wiener Series: Part II: Regularised estimation (148). 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-CF95-1 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-8C0B-5
Genre: Bericht

Dateien

einblenden: Dateien
ausblenden: Dateien
:
MPIK-TR-148.pdf (Verlagsversion), 341KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0002-87D7-3
Name:
MPIK-TR-148.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:
Gehler, PV1, 2, Autor           
Franz, M1, 2, 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: Classical Volterra and Wiener theory of nonlinear systems
does not address the problem of noisy measurements in system
identification. This issue is treated in the present part of the
report. We first show how to incorporate the implicit estimation
technique for Volterra and Wiener series described in Part I into
the framework of regularised estimation without giving up the
orthogonality properties of the Wiener operators. We then proceed to
a more general treatment of polynomial estimators (Volterra and
Wiener models are two special cases) in the context of Gaussian
processes. The implicit estimation technique from Part I can be
interpreted as Gaussian process regression using a polynomial
covariance function. Polynomial covariance functions, however, have
some unfavorable properties which make them inferior to other, more
localised covariance functions in terms of generalisation error. We
propose to remedy this problem by approximating a covariance
function with more favorable properties at a finite set of input
points. Our experiments show that this additional degree of freedom
can lead to improved performance in polynomial regression.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2006-11
 Publikationsstatus: Erschienen
 Seiten: 11
 Ort, Verlag, Ausgabe: Tübingen, Germany : Max Planck Institute for Biological Cybernetics
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Reportnr.: 148
BibTex Citekey: 4223
 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: 148 Artikelnummer: - Start- / Endseite: - Identifikator: -