Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Bayesian Inference and Optimal Design in the Sparse Linear Model

Seeger, M., Steinke, F., & Tsuda, K. (2007). Bayesian Inference and Optimal Design in the Sparse Linear Model. In M. Meila, & X. Shen (Eds.), Artificial Intelligence and Statistics, 21-24 March 2007, San Juan, Puerto Rico (pp. 444-451). Madison, WI, USA: International Machine Learning Society.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CE75-B Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-E8A9-9
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
http://proceedings.mlr.press/v2/seeger07a/seeger07a.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Seeger, M1, 2, Autor           
Steinke, F1, 2, Autor           
Tsuda, K1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: The sparse linear model has seen many successful applications in Statistics, Machine Learning, and Computational Biology, such as identification of gene regulatory networks from micro-array expression data. Prior work has either approximated Bayesian inference by expensive Markov chain Monte Carlo, or replaced it by point estimation. We show how to obtain a good approximation to Bayesian analysis efficiently, using the Expectation Propagation method. We also address the problems of optimal design and hyperparameter estimation. We demonstrate our framework on a gene network identification task.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-03
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 4261
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 11th International Conference on Artificial Intelligence and Statistics (AISTATS 2007)
Veranstaltungsort: San Juan, Puerto Rico
Start-/Enddatum: 2007-03-21 - 2007-03-24

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Artificial Intelligence and Statistics, 21-24 March 2007, San Juan, Puerto Rico
Genre der Quelle: Konferenzband
 Urheber:
Meila, M, Herausgeber
Shen, X, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Madison, WI, USA : International Machine Learning Society
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 444 - 451 Identifikator: -

Quelle 2

einblenden:
ausblenden:
Titel: JMLR Workshop and Conference Proceedings
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 2 Artikelnummer: - Start- / Endseite: - Identifikator: -