Modern Methodology and Applications in Spatial-Temporal Modeling (eBook)
XV, 111 Seiten
Springer Tokyo (Verlag)
978-4-431-55339-7 (ISBN)
This book provides a modern introductory tutorial on specialized methodological and applied aspects of spatial and temporal modeling. The areas covered involve a range of topics which reflect the diversity of this domain of research across a number of quantitative disciplines. For instance, the first chapter deals with non-parametric Bayesian inference via a recently developed framework known as kernel mean embedding which has had a significant influence in machine learning disciplines. The second chapter takes up non-parametric statistical methods for spatial field reconstruction and exceedance probability estimation based on Gaussian process-based models in the context of wireless sensor network data. The third chapter presents signal-processing methods applied to acoustic mood analysis based on music signal analysis. The fourth chapter covers models that are applicable to time series modeling in the domain of speech and language processing. This includes aspects of factor analysis, independent component analysis in an unsupervised learning setting. The chapter moves on to include more advanced topics on generalized latent variable topic models based on hierarchical Dirichlet processes which recently have been developed in non-parametric Bayesian literature. The final chapter discusses aspects of dependence modeling, primarily focusing on the role of extreme tail-dependence modeling, copulas, and their role in wireless communications system models.
1 Nonparametric Bayesian Inference with Kernel Mean Embedding (Kenji Fukumizu).- 2 How to Utilise Sensor Network Data to Efficiently Perform Model Calibration and Spatial Field Reconstruction (Gareth W. Peters, Ido Nevat and Tomoko Matsui).- 3 Speech and Music Emotion Recognition using Gaussian Processes (Konstantin Markov and Tomoko Matsui).- 4 Topic Modeling for Speech and Language Processing (Jen-Tzung Chien).
Erscheint lt. Verlag | 8.1.2016 |
---|---|
Reihe/Serie | JSS Research Series in Statistics |
JSS Research Series in Statistics | |
SpringerBriefs in Statistics | SpringerBriefs in Statistics |
Zusatzinfo | XV, 111 p. 17 illus., 4 illus. in color. |
Verlagsort | Tokyo |
Sprache | englisch |
Themenwelt | Mathematik / Informatik ► Informatik |
Mathematik / Informatik ► Mathematik ► Angewandte Mathematik | |
Mathematik / Informatik ► Mathematik ► Computerprogramme / Computeralgebra | |
Mathematik / Informatik ► Mathematik ► Statistik | |
Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
Technik | |
Schlagworte | Audio and Music Signal Processing • Gaussian processes • Kernel Methods • Non-Parametric Bayesian Inference • Wireless Signal Processing |
ISBN-10 | 4-431-55339-8 / 4431553398 |
ISBN-13 | 978-4-431-55339-7 / 9784431553397 |
Haben Sie eine Frage zum Produkt? |
![PDF](/img/icon_pdf_big.jpg)
Digital Rights Management: ohne DRM
Dieses eBook enthält kein DRM oder Kopierschutz. Eine Weitergabe an Dritte ist jedoch rechtlich nicht zulässig, weil Sie beim Kauf nur die Rechte an der persönlichen Nutzung erwerben.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich