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
- 1224 均質化法を用いたCFRP積層板の粘弾性構成式の同定(J10-2 マイクロ・ナノ材料システムの力学と強度・機能評価(2) 熱伝導・粘弾性特性評価,ジョイントセッション,21世紀地球環境革命の機械工学:人・マイクロナノ・エネルギー・環境)
- 均質化法を用いたCFRP積層板の粘弾性構成式の評価
- カーボンナノファイバー強化熱可塑性樹脂のモールドプレス成形性の評価と数値シミュレーション
- カーボンナノファイバー強化熱可塑性樹脂の熱粘弾性特性評価
- 328 逆解析を用いた歩行時の足圧分布の測定(逆問題解析手法の開発と最新応用(1),OS15 逆問題解析手法の開発と最新応用)