非定常データに対するSparse Bayesian Learning
スポンサーリンク
概要
- 論文の詳細を見る
This paper proposes an online Sparse Bayesian Learning (SBL) algorithm for modeling nonstationary data sources. Although most learning algorithms implicitly assume that a data source does not change over time (stationary), one in the real world usually does due to such various factors as dynamically changing environments, device degradation, sudden failures, etc (nonstationary). The proposed algorithm can be made useable for stationary online SBL by setting time decay parameters to zero, and as such it can be interpreted as a single unified framework for online SBL for use with stationary and nonstationary data sources. Tests both on four types of benchmark problems and on actual stock price data have shown it to perform well.
論文 | ランダム
- sScSの反響を用いた日本列島下の660km不連続面の深さ分布 (総特集 地球内部構造--地震学的アプローチ)
- 遠地実体波のリファレンス周波数 (総特集 地球内部構造--地震学的アプローチ)
- 自由振動を用いたD"層サイレント地震の検出の試み (総特集 地球内部構造--地震学的アプローチ)
- 地震波速度・減衰構造から推定した東北日本弧下マントルウエッジにおける温度および流体分布 (総特集 地球内部構造--地震学的アプローチ)
- 局在化アドミッタンスで見るリソスフェア (総特集 地球内部構造--地震学的アプローチ)