Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Bayesian inference" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Sparse Bayesian learning in classifying face feature vectors
Autorzy:
Momot, A.
Kawulok, M.
Powiązania:
https://bibliotekanauki.pl/articles/333794.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
wnioskowanie bayesowskie
rozpoznanie twarzy
supervised learning
Bayesian inference
face recognition
Opis:
The Relevance Vector Machine (RVM), a Bayesian treatment of generalized linear model of identical functional form to the Support Vector Machine (SVM), is the recently developed machine learning framework capable of building simple models from large sets of candidate features. The paper describes the application of the RVM to a classification algorithm of face feature vectors, obtained by Eigenfaces method. Moreover, the results of the RVM classification are compared with those obtained by using both the Support Vector Machine method and the method based on the Euclidean distance.
Źródło:
Journal of Medical Informatics & Technologies; 2005, 9; 151-158
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Empirical Bayesian averaging method and its application to noise reduction in ECG signal
Autorzy:
Momot, A.
Momot, M.
Łęski, J.
Powiązania:
https://bibliotekanauki.pl/articles/333575.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
sygnał EKG
średnia ważona
wnioskowanie bayesowskie
ECG signal
weighted averaging
Bayesian inference
Opis:
An electrocardiogram (ECG) is the prime tool in non-invasive cardiac electrophysiology and has a prime function in the screening and diagnosis of cardiovascular diseases. However one of the greatest problems is that usually recording an electrical activity of the heart is performed in the presence of noise. The paper presents empirical Bayesian approach to problem of signal averaging which is commonly used to extract a useful signal distorted by a noise. The averaging is especially useful for biomedical signal such as ECG signal, where the spectra of the signal and noise significantly overlap. In reality the variability of noise can be observed, with power from cycle to cycle, which is motivation for weighted averaging methods usage. It is demonstrated that by exploiting a probabilistic Bayesian learning framework, it can be derived accurate prediction models offering significant additional advantage, namely automatic estimation of 'nuisance' parameters. Performance of the new method is experimentally compared to the traditional averaging by using arithmetic mean and weighted averaging method based on criterion function minimization.
Źródło:
Journal of Medical Informatics & Technologies; 2006, 10; 93-101
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Fuzzy Relevance Vector Machine and its application to noise reduction in ECG signal
Autorzy:
Momot, A.
Momot, M.
Łęski, J.
Powiązania:
https://bibliotekanauki.pl/articles/333828.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
systemy rozmyte
wnioskowanie bayesowskie
sygnał EKG
fuzzy systems
Bayesian inference
ECG signal
Opis:
The paper presents new method called the Fuzzy Relevance Vector Machine (FRVM), a modification of the relevance vector machine, introduced by M. Tipping, applied to learning Takagi-Sugeno-Kang (TSK) fuzzy system. Moreover it describes application of the FRVM to noise reduction in ECG signal. The results of the process are compared to those obtained using both Least Squares method for learning output functions in TSK rules and commonly used method using a low-pass moving average filter.
Źródło:
Journal of Medical Informatics & Technologies; 2005, 9; 99-105
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies