Benutzer: Gast  Login
Originaltitel:
Probabilistic blind source separation for data with network structures 
Übersetzter Titel:
Probabilistische blinde Signaltrennung für Daten mit Netzwerkstruktur 
Jahr:
2015 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.) 
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Klüppelberg, Claudia (Prof. Dr.); Tresch, Achim (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik 
TU-Systematik:
BIO 110d; MAT 022d 
Kurzfassung:
In this thesis we aim to identify meaningful signals from observed multivariate mixtures using available structural information of the data and probabilistic modeling. In a blind source separation (BSS) approach for time series data we investigate the mixing pattern using limiting distributions of the mixing process. We further propose a new BSS method for network data using stationary Bayesian networks. Relevance of the method is illustrated by an application to gene expression data. 
Übersetzte Kurzfassung:
Ziel dieser Arbeit ist es, aus mehrdimensionalen Beobachtungen einzelne aussagekräftige Quellen herauszufiltern. Dabei profitieren wir von vorhandenen Informationen über die datengenerierende Struktur und von probabilistischer Modellierung. In einem "Blind source separation" (BSS) Ansatz für Zeitdaten untersuchen wir das Mischmuster mit Hilfe von Grenzverteilungen der Mischmatrix. Darüber hinaus führen wir eine neue BSS Methode für Netzwerkdaten ein, die stationäre Bayesianische Netzwerke benutz...    »
 
Mündliche Prüfung:
24.06.2015 
Dateigröße:
6437939 bytes 
Seiten:
176 
Letzte Änderung:
28.07.2015