Probabilistic Inference from Arbitrary Uncertainty using Mixtures of Factorized Generalized Gaussians

This paper presents a general and efficient framework for probabilistic inference and learning from arbitrary uncertain information. It exploits the calculation properties of finite mixture models, conjugate families and factorization. Both the joint probability density of the variables and the like...

Celý popis

Podrobná bibliografie

Vydáno v:	The Journal of artificial intelligence research Ročník 9; s. 167 - 217
Hlavní autoři:	Ruiz, A., Lopez-de-Teruel, P. E., Garrido, M. C.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	San Francisco AI Access Foundation 01.01.1998
Témata:	Algorithms Artificial intelligence Learning Numerical integration Parameter estimation Probabilistic inference Probabilistic models Statistical analysis
ISSN:	1076-9757, 1076-9757, 1943-5037
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!