Název: Bayesian transfer learning between autoregressive inference tasks
Autoři: Barber, Alec ; Quinn, Anthony
Typ dokumentu: Výzkumné zprávy
Rok: 2020
Jazyk: eng
Edice: Research Report, svazek: 2389
Abstrakt: Bayesian transfer learning typically relies on a complete stochastic dependence speci cation between source and target learners which allows the opportunity for Bayesian conditioning. We advocate that any requirement for the design or assumption of a full model between target and sources is a restrictive form of transfer learning.
Klíčová slova: autoregression; food-commodities price prediction; FPD; Fully Probabilistic Design; transfer learning
Číslo projektu: GA18-15970S (CEP)
Poskytovatel projektu: GA ČR

Instituce: Ústav teorie informace a automatizace AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: http://library.utia.cas.cz/separaty/2021/AS/quinn-0538247.pdf
Původní záznam: http://hdl.handle.net/11104/0316079

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-432902


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav teorie informace a automatizace
Zprávy > Výzkumné zprávy