uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
An approach to sparse model selection and averaging
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.ORCID-id: 0000-0002-7957-3711
2006 (Engelska)Ingår i: Conference Record of the 2006 IEEE Instrumentation and Measurement Technology Conference (IMTC 2006): Sorrento, Italy 24-27 April 2006, 2006Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Parameter estimation when the true model structure is unknown is a commonly occurring task in measurement problems. In a sparse modeling scenario, the number of possible models grows exponentially with the total number of parameters. The full set of models therefore becomes computationally infeasible to handle. We propose a method, based on successive model reduction, for finding a sound and computationally feasible set of sparse linear regression models. Once this set of models has been found, standard model selection or model averaging techniques can be applied. We demonstrate the performance of our method by some numerical examples.

Ort, förlag, år, upplaga, sidor
2006.
Nyckelord [en]
linear systems, model reduction, channel measurement, least squares estimation, parameter estimation, signal processing, system identification
Nationell ämneskategori
Signalbehandling
Identifikatorer
URN: urn:nbn:se:uu:diva-79396OAI: oai:DiVA.org:uu-79396DiVA, id: diva2:107309
Tillgänglig från: 2006-12-20 Skapad: 2006-12-20 Senast uppdaterad: 2018-10-01

Open Access i DiVA

Fulltext saknas i DiVA

Personposter BETA

Selén, YngveGudmundson, ErikStoica, Peter

Sök vidare i DiVA

Av författaren/redaktören
Selén, YngveGudmundson, ErikStoica, Peter
Av organisationen
Institutionen för informationsteknologiReglerteknik
Signalbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 581 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf