Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Public Opinion Clustering for Hot Event Based on BR-LDA Model Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Bayesian Linear Regression Model for Curve Fitting

verfasst von : Michael Li

Erschienen in: Intelligent Information Processing IX

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This article describes a Bayesian-based method for solving curve fitting problems. We extend the basic linear regression model by adding an extra linear term and incorporating the Bayesian learning. The additional linear term offsets the localized behavior induced by basis functions, while the Bayesian approach effectively reduces overfitting. Difficult benchmark dataset from NIST and high-energy physics experiments have been tested with satisfactory results. It is intriguing to notice that curve fitting, a type of traditional numerical analysis problem, can be treated as an adaptive computational problem under the Bayesian probabilistic framework.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Image Semantic Description Based on Deep Learning with Multi-attention Mechanisms
Nächstes Kapitel A Texture Synthesis Steganography Scheme Based on Super-Pixel Structure and SVM
Literatur
1.
Denison, D.G.T., Mallick, B.K., Smith, A.F.M.: Automatic Bayesian curve fitting. J. R. Statist. Soc. B60 Part 2, 333–350 (1998)MathSciNetCrossRef
2.
Dimatteo, I., Genovese, C.R., Kass, R.E.: Bayesian curve fitting with free-knot Splines. Biometrika 88, 1055–1071 (2001)MathSciNetCrossRef
3.
Green, P.J.: Reversible jump Markov chain Monte Carlo computation and Bayesian model Determination. Biometrika 82, 711–732 (1995)MathSciNetCrossRef
4.
5.
Zhou, S., Shen, X.: Spatially adaptive regression splines and accurate knot selection scheme. J. Am. Stat. Assoc. 96, 247–259 (2001)MathSciNetCrossRef
6.
Koenker, Q.: Quantile Regression. Cambridge University Press, Cambridge (2005)CrossRef
7.
8.
Paul, H.: The stopping power of matter for positive ions. In: Natanasabapathi, G. (ed.) Modern Practices in Radiation Therapy (2012)
9.
Bishop, C.M.: Pattern Recognition and Machine Learning. Springer, New York (2006)MATH
10.
Li, M.M., Verma, B.: Nonlinear curve fitting to stopping power data using RBF neural networks. Expert Syst. Appl. 45, 161–171 (2016)CrossRef
11.
Mackay, D.J.C.: Bayesian interpolation. Neural Comput. 4, 415–447 (1992)CrossRef
12.
Metadaten
Titel
Bayesian Linear Regression Model for Curve Fitting
verfasst von
Michael Li
Copyright-Jahr
2018
Buch
Intelligent Information Processing IX

Print ISBN: 978-3-030-00827-7

Electronic ISBN: 978-3-030-00828-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00828-4_37