<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=91351"><dc:title>Modeliranje multivariatnih diskretnih podatkov z latentnimi Gaussovimi procesi</dc:title><dc:creator>DIMITRIEV,	ALEKSANDAR	(Avtor)
	</dc:creator><dc:creator>Štrumbelj,	Erik	(Mentor)
	</dc:creator><dc:subject>faktorska analiza</dc:subject><dc:subject>Gaussovi procesi</dc:subject><dc:subject>latentni prostor</dc:subject><dc:subject>Poisson</dc:subject><dc:subject>števni podatki</dc:subject><dc:description>Multivariatni števni podatki so pogosti na področjih kot so šport, nevroznanost in besedilno rudarjenje. Modeli, ki lahko natančno opravljajo faktorsko analizo, so potrebni zlasti za strukturirane podatke kot na primer števne matrike s časovnimi vrstami. Predstavljamo Poissonovo faktorsko analizo z latentnimi Gaussovimi procesi, ki je nova metoda za analizo multivariatnih števnih podatkov. Naš pristop omogoča analizo odvisnih podatkov, ki so povezani v latentnem prostoru s pomočjo Gaussovega procesa. Zaradi eksponentne nelinearnosti v modelu ne obstaja zaprta rešitev. Zato smo razvili postopek maksimizacije pričakovane vrednosti z Laplacovim približkom za lažjo uporabo. Predstavljamo rezultate na različnih podatkovnih naborih, tako sintetičnih kot realnih, v primerjavi z drugimi metodami faktorske analize. Naša metoda je kvalitativno in kvantitativno boljša za strukturirane podatke, saj so predpostavke, ki jih naredi, primerne za podatke.</dc:description><dc:date>2017</dc:date><dc:date>2017-03-28 13:41:35</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>91351</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>