Zobrazeno 1 - 10
of 87
pro vyhledávání: '"Variational Bayesian methods"'
Publikováno v:
Fluids, Vol 7, Iss 10, p 334 (2022)
This paper presents a new nonlinear projection based model reduction using convolutional Variational AutoEncoders (VAEs). This framework is applied on transient incompressible flows. The accuracy is obtained thanks to the expression of the velocity a
Externí odkaz:
https://doaj.org/article/0534eee8fc6944c897da192b58f0916a
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Transactions on Cybernetics. 52:10151-10162
This article is concerned with a distributed filtering problem for Markov jump systems subject to the measurement loss with unknown probabilities. A centralized robust Kalman filter is designed by using variational Bayesian methods and a modified int
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::36c720333226bbb602111380c3e98c32
https://doi.org/10.1109/tcyb.2021.3062641
https://doi.org/10.1109/tcyb.2021.3062641
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Psychological Methods. 25:535-559
Bayesian inference has become a powerful and popular technique for understanding psychological phenomena. However, compared with frequentist statistics, current methods employing Bayesian statistics typically require time-intensive computations, ofte
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::437875161926aa81bfec90a182f796ce
https://doi.org/10.1037/met0000242
https://doi.org/10.1037/met0000242
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Chunguang Li, Junhao Hua
Publikováno v:
IEEE Transactions on Signal and Information Processing over Networks. 5:428-441
We study the problem of distributed filtering for state space models over networks, which aims to collaboratively estimate the states by a network of nodes. Most of existing works on this problem assume that both process and measurement noises are Ga
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::7205aed4d49d53760faf34f0841a28e8
https://doi.org/10.1109/tsipn.2018.2889579
https://doi.org/10.1109/tsipn.2018.2889579
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
ACSSC
The sparse vector recovery problem can lead to a combinatorial search of prohibitive computations. Hence, reformulations amenable to convex optimization strategies have been considered. Alternatively, Bayesian inference approaches can curtail computa
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::9b0e09cb00d4c89446a7b17ac85b9f79
https://doi.org/10.1109/ieeeconf51394.2020.9443550
https://doi.org/10.1109/ieeeconf51394.2020.9443550
