Deterministic learning for maximum-likelihood estimation through neural networks (Articolo in rivista)

Type

• Articolo in rivista (Classe)
• Prodotto della ricerca (Classe)

Label

• Deterministic learning for maximum-likelihood estimation through neural networks (Articolo in rivista) (literal)

Anno

• 2008-01-01T00:00:00+01:00 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#doi

• 10.1109/TNN.2008.2000577 (literal)

Alternative label

• Cristiano Cervellera; Danilo Macciò; Marco Muselli (2008)
  Deterministic learning for maximum-likelihood estimation through neural networks
  in IEEE transactions on neural networks
  (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori

• Cristiano Cervellera; Danilo Macciò; Marco Muselli (literal)

Pagina inizio

• 1456 (literal)

Pagina fine

• 1467 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume

• 19 (literal)

Rivista

• IEEE transactions on neural networks (Rivista)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroFascicolo

• 8 (literal)

Note

• Scopu (literal)
• ISI Web of Science (WOS) (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni

• C. Cervellera, D. Macciò: Istituto di Studi sui Sistemi Intelligenti per l'Automazione, Consiglio Nazionale delle Ricerche, Genova 16149, Italy M. Muselli: Istituto di Elettronica e di Ingegneria dell'Informazione e delle Telecomunicazioni, Consiglio Nazionale delle Ricerche, Genova 16149, Italy (literal)

Titolo

• Deterministic learning for maximum-likelihood estimation through neural networks (literal)

Abstract

• In this paper, a general method for the numerical solution of maximum-likelihood estimation (MLE) problems is presented; it adopts the deterministic learning (DL) approach to find close approximations to ML estimator functions for the unknown parameters of any given density. The method relies on the choice of a proper neural network and on the deterministic generation of samples of observations of the likelihood function, thus avoiding the problem of generating samples with the unknown density. Under mild assumptions, consistency and convergence with favorable rates to the true ML estimator function can be proved. Simulation results are provided to show the good behavior of the algorithm compared to the corresponding exact solutions. (literal)

Prodotto di

• Institute of intelligent systems for automation (ISSIA) (Istituto)
• Machine Learning for Biological Data (INT.P02.002.001) (Modulo)
• Supervisione e Controllo di Sistemi ed Impianti Complessi (SP.P06.003.002) (Modulo)

Autore CNR

• MARCO MUSELLI (Unità di personale interno)
• DANILO MACCIO' (Unità di personale esterno)
• CRISTIANO CERVELLERA (Persona)

Insieme di parole chiave

• Parole chiave di "Deterministic learning for maximum-likelihood estimation through neural networks" (Insieme di parole chiave)

Incoming links:

Prodotto

• Institute of intelligent systems for automation (ISSIA) (Istituto)
• Supervisione e Controllo di Sistemi ed Impianti Complessi (SP.P06.003.002) (Modulo)
• Machine Learning for Biological Data (INT.P02.002.001) (Modulo)

Autore CNR di

• CRISTIANO CERVELLERA (Persona)
• MARCO MUSELLI (Unità di personale interno)
• DANILO MACCIO' (Unità di personale esterno)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi

• IEEE transactions on neural networks (Rivista)

Insieme di parole chiave di

• Parole chiave di "Deterministic learning for maximum-likelihood estimation through neural networks" (Insieme di parole chiave)