Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

 
 
DownloadE-Mail
  The Infinite Gaussian Mixture Model

Rasmussen, C. (2000). The Infinite Gaussian Mixture Model. Advances in Neural Information Processing Systems 12, 554-560.

Item is

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Rasmussen, CE1, Autor           
Solla, Herausgeber
S.A., Herausgeber
Leen, T.K., Herausgeber
Müller, K-R, Herausgeber
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: In a Bayesian mixture model it is not necessary a priori to limit the number of components to be finite. In this paper an infinite Gaussian mixture model is presented which neatly sidesteps the difficult problem of finding the ``right'' number of mixture components. Inference in the model is done using an efficient parameter-free Markov Chain that relies entirely on Gibbs sampling.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2000-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: ISBN: 0-262-11245-0
URI: http://books.nips.cc/nips12.html
BibTex Citekey: 2299
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Thirteenth Annual Neural Information Processing Systems Conference (NIPS 1999)
Veranstaltungsort: Denver, CO, USA
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in Neural Information Processing Systems 12
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Cambridge, MA, USA : MIT Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 554 - 560 Identifikator: -