Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Varagnolo, Damiano (2011) Distributed Parametric-Nonparametric Estimation in Networked Control Systems. [Ph.D. thesis]

Full text disponibile come:

[img]
Preview
PDF Document
1302Kb

Abstract (english)

In the framework of parametric and nonparametric distributed estimation, we introduce and mathematically analyze some consensus-based regression strategies characterized by a guess of the number of agents in the network as a parameter. The parametric estimators assume a-priori information about the finite set of parameters to be estimated, while the the nonparametric use a reproducing kernel Hilbert space as the hypothesis space. The analysis of the proposed distributed regressors offers some sufficient conditions assuring the estimators to perform better, under the variance of the estimation error metric, than local optimal ones. Moreover it characterizes, under euclidean distance metrics, the performance losses of the distributed estimators with respect to centralized optimal ones. We also offer a novel on-line algorithm that distributedly computes certificates of quality attesting the goodness of the estimation results, and show that the nonparametric distributed regressor is an approximate distributed Regularization Network requiring small computational, communication and data storage efforts. We then analyze the problem of estimating a function from different noisy data sets collected by spatially distributed sensors and subject to unknown temporal shifts, and perform time delay estimation through the minimization of functions of inner products in reproducing kernel Hilbert spaces.

Due to the importance of the knowledge of the number of agents in the previously analyzed algorithms, we also propose a design methodology for its distributed estimation. This algorithm is based on the following paradigm: some locally randomly generated values are exchanged among the various sensors, and are then modified by known consensus-based strategies. Statistical analysis of the a-consensus values allows the estimation of the number of sensors participating in the process. The first main feature of this approach is that algorithms are completely distributed, since they do not require leader election steps. Moreover sensors are not requested to transmit authenticating information like identification numbers or similar data, and thus the strategy can be implemented even if privacy problems arise. After a rigorous formulation of the paradigm we analyze some practical examples, fully characterize them from a statistical point of view, and finally provide some general theoretical results among with asymptotic analyses.

Abstract (italian)

In questa tesi vengono introdotti e analizzati alcuni algoritmi di regressione distribuita parametrica e nonparametrica, basati su tecniche di consenso e parametrizzati da un parametro il cui significato è una stima del numero di sensori presenti nella rete. Gli algoritmi parametrici assumono la conoscenza di informazione a-priori sulle quantità da stimare, mentre quelli nonparametrici utilizzano come spazio delle ipotesi uno spazio di Hilbert a nucleo riproducente. Dall'analisi degli stimatori distribuiti proposti si ricavano alcune condizioni sufficienti che, se assicurate, garantiscono che le prestazioni degli stimatori distribuiti sono migliori di quelli locali (usando come metrica la varianza dell'errore di stima). Inoltre dalla stessa analisi si caratterizzano le perdite di prestazioni che si hanno usando gli stimatori distribuiti invece che quelli centralizzati e ottimi (usando come metrica la distanza euclidea tra le due diverse stime ottenute). Inoltre viene offerto un nuovo algoritmo che calcola in maniera distribuita dei certificati di qualità che garantiscono la bontà dei risultati ottenuti con gli stimatori distribuiti. Si mostra inoltre come lo stimatore nonparametrico distribuito proposto sia in realtà una versione approssimata delle cosiddette ``Reti di Regolarizzazione'', e come esso richieda poche risorse computazionali, di memoria e di comunicazione tra sensori. Si analizza quindi il caso di sensori spazialmente distribuiti e soggetti a ritardi temporali sconosciuti. Si mostra dunque come si possano stimare, minimizzando opportune funzioni di prodotti interni negli spazi di Hilbert precedentemente considerati, sia la funzione vista dai sensori che i relativi ritardi visti da questi.

A causa dell'importanza della conoscenza del numero di agenti negli algoritmi proposti precedentemente, viene proposta una nuova metodologia per sviluppare algoritmi di stima distribuita di tale numero, basata sulla seguente idea: come primo passo gli agenti generano localmente alcuni numeri, in maniera casuale e da una densità di probabilità nota a tutti. Quindi i sensori si scambiano e modificano questi dati usando algoritmi di consenso quali la media o il massimo; infine, tramite analisi statistiche sulla distribuzione finale dei dati modificati, si può ottenere dell'informazione su quanti agenti hanno partecipato al processo di consenso e modifica. Una caratteristica di questo approccio è che gli algoritmi sono completamente distribuiti, in quanto non richiedono passi di elezione di leaders. Un'altra è che ai sensori non è richiesto di trasmettere informazioni sensibili quali codici identificativi o altro, quindi la strategia è implementabile anche se in presenza di problemi di riservatezza. Dopo una formulazione rigorosa del paradigma, analizziamo alcuni esempi pratici, li caratterizziamo completamente dal punto di vista statistico, e infine offriamo alcuni risultati teorici generali e analisi asintotiche.

Statistiche Download - Aggiungi a RefWorks
EPrint type:Ph.D. thesis
Tutor:Schenato, Luca
Ph.D. course:Ciclo 23 > Scuole per il 23simo ciclo > INGEGNERIA DELL'INFORMAZIONE > SCIENZA E TECNOLOGIA DELL'INFORMAZIONE
Data di deposito della tesi:UNSPECIFIED
Anno di Pubblicazione:28 January 2011
Key Words:Bayesian regression, nonparametric regression, estimation, distributed estimation, regularization, performance analysis, reproducing Kernel hilbert spaces, number of sensors estimation
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/04 Automatica
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:3692
Depositato il:21 Jul 2011 11:44
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Akaike, H. (1974). Cerca con Google

A new look at the statistical model identification. Cerca con Google

IEEE Transactions on Automatic Control 19 (6), 716 -- 723. Cerca con Google

Akyildiz, I., W. Su, Y. Sankarasubramaniam, and E. Cayirci (2002, August). Cerca con Google

A survey on sensor networks. Cerca con Google

IEEE Communications Magazine 40 (8), 102 -- 114. Cerca con Google

Anderson, B. D. O. and J. B. Moore (1979). Cerca con Google

Optimal Filtering. Cerca con Google

Prentice-Hall. Cerca con Google

Aronszajn, N. (1950). Cerca con Google

Theory of reproducing kernels. Cerca con Google

Transactions of the American Mathematical Society 68, Cerca con Google

337 -- 404. Cerca con Google

Azaria, M. and D. Hertz (1984, April). Cerca con Google

Time delay estimation by generalized cross correlation methods. Cerca con Google

IEEE Transactions on Acoustics, Speech, and Signal Cerca con Google

Processing 32 (2), 280--285. Cerca con Google

Basseville, M. and I. V. Nikiforov (1993, April). Cerca con Google

Detection of Abrupt Changes - Theory and Application. Cerca con Google

Prentice-Hall. Cerca con Google

Berger, J. O. (1985). Cerca con Google

Statistical Decision Theory and Bayesian Analysis (2nd ed.). Cerca con Google

Springer - Verlag. Cerca con Google

Bertsekas, D. P. and J. N. Tsitsiklis (1997). Cerca con Google

Parallel and Distributed Computation: Numerical Methods. Cerca con Google

Belmont, MA: Athena Scientific. Cerca con Google

Blum, R., S. Kassam, and H. V. Poor (1997, January). Cerca con Google

Distributed detection with multiple sensors {II}: Advanced topics. Cerca con Google

Proceedings of the IEEE 85, 64 -- 79. Cerca con Google

Bolognani, S., R. Carli, and S. Zampieri (2009, September). Cerca con Google

A {PI} consensus controller with gossip communication for clock Cerca con Google

synchronization in wireless sensors networks. Cerca con Google

In 1st IFAC Workshop on Distributed Estimation and Control in Cerca con Google

Networked Systems, Venice, Italy. Cerca con Google

Bolognani, S., S. D. Favero, L. Schenato, and D. Varagnolo (2010, January). Cerca con Google

Consensus-based distributed sensor calibration and least-square Cerca con Google

parameter estimation in wireless sensor networks. Cerca con Google

International Journal of Robust and Nonlinear Control Cerca con Google

20 (2), 176 -- 193. Cerca con Google

Boucher, R. E. and J. C. Hassab (1981, June). Cerca con Google

Analysis of discrete implementation of generalized cross-correlator. Cerca con Google

IEEE Transactions on Acoustics, Speech, and Signal Cerca con Google

Processing 29 (3), 609--611. Cerca con Google

Boyd, S., A. Ghosh, B. Prabhakar, and D. Shah (2006, June). Cerca con Google

Randomized gossip algorithms. Cerca con Google

IEEE Trans. on Information Theory/ACM Trans. on Cerca con Google

Networking 52 (6), 2508--2530. Cerca con Google

Budianu, C., S. Ben-David, and L. Tong (2006, May). Cerca con Google

Estimation of the number of operating sensors in large-scale sensor Cerca con Google

networks with mobile access. Cerca con Google

IEEE Transactions on Signal Processing 54 (5), 1703 -- Cerca con Google

1715. Cerca con Google

Chamberland, J.-F. and V. Veeravalli (2004, August). Cerca con Google

Asymptotic results for decentralized detection in power constrained Cerca con Google

wireless sensor networks. Cerca con Google

IEEE Journal on Selected Areas in Communications Cerca con Google

22 (6), 1007 -- 1015. Cerca con Google

Choi, J., S. Oh, and R. Horowitz (2009). Cerca con Google

Distributed learning and cooperative control for multi-agent systems. Cerca con Google

Automatica 45 (12), 2802 -- 2814. Cerca con Google

Size-estimation framework with applications to transitive closure and Cerca con Google

reachability. Cerca con Google

Journal of Computer and System Sciences 55 (3), 441 -- Cerca con Google

453. Cerca con Google

Cort'{e}s, J. (2008, March). Cerca con Google

Distributed algorithms for reaching consensus on general functions. Cerca con Google

Automatica 44 (3), 726 -- 737. Cerca con Google

Cort'{e}s, J. (2009, December). Cerca con Google

Distributed {K}riged {K}alman filter for spatial estimation. Cerca con Google

IEEE Transactions on Automatic Control 54 (12), 2816 Cerca con Google

--2827. Cerca con Google

Craven, P. and G. Wahba (1979). Cerca con Google

Smoothing noisy data with spline functions: Estimating the correct Cerca con Google

degree of smoothing by the method of generalized cross-validation. Cerca con Google

Numerische Mathematik 31, 377 -- 403. Cerca con Google

Cucker, F. and S. Smale (2002). Cerca con Google

On the mathematical foundations of learning. Cerca con Google

Bulletin of the American Mathematical Society 39, 1 -- Cerca con Google

49. Cerca con Google

David, H. A. and H. N. Nagaraja (2003). Cerca con Google

Order Statistics. Cerca con Google

Wiley series in Probability and Statistics. Cerca con Google

D'Costa, A. and A. M. Sayeed (2003). Cerca con Google

Collaborative signal processing for distributed classification in Cerca con Google

sensor networks. Cerca con Google

Lecture Notes in Computer Science - Information Processing in Cerca con Google

Sensor Networks 2634, 558 -- 575. Cerca con Google

De Nicolao, G. and G. Ferrari-Trecate (1999, November). Cerca con Google

Consistent identification of {NARX} models via {R}egularization Cerca con Google

{N}etworks. Cerca con Google

IEEE Transactions on Automatic Control 44 (11), 2045 Cerca con Google

-- 2049. Cerca con Google

De Nicolao, G. and G. Ferrari-Trecate (2001, March). Cerca con Google

Regularization networks: Fast weight calculation via kalman Cerca con Google

filtering. Cerca con Google

IEEE Transactions on Neural Networks 12 (2), 228 -- Cerca con Google

235. Cerca con Google

Delouille, V., R. Neelamani, and R. Baraniuk (2004, April). Cerca con Google

Robust distributed estimation in sensor networks using the embedded Cerca con Google

polygons algorithm. Cerca con Google

In Proceedings of the 3rd International Symposium on Information Cerca con Google

Processing in Sensor Networks, pp. 405 -- 413. Cerca con Google

Dogandv{z}i'{c, A. and B. Zhang (2006, August). Cerca con Google

Distributed estimation and detection for sensor networks using hidden Cerca con Google

{M}arkov random field models. Cerca con Google

IEEE Transactions on Signal Processing 54 (8), 3200 -- Cerca con Google

3215. Cerca con Google

Çetin, M., L. Chen, J. W. {Fisher III, A. T. Ihler, R. L. Moses, M. J. Cerca con Google

Wainwright, and A. Willsky (2006). Cerca con Google

Distributed fusion in sensor networks - a graphical models Cerca con Google

perspective. Cerca con Google

IEEE Signal Processing Magazine 23 (4), 42 -- 55. Cerca con Google

Evgeniou, T., M. Pontil, and T. Poggio (2000). Cerca con Google

Regularization networks and support vector machines. Cerca con Google

Advances in Computational Mathematics 13, 1 -- 50. Cerca con Google

Fagnani, F. and S. Zampieri (2008a). Cerca con Google

Asymmetric randomized gossip algorithms for consensus. Cerca con Google

In Proceedings of the 17th IFAC world congress, Seoul, Korea. Cerca con Google

Fagnani, F. and S. Zampieri (2008b, May). Cerca con Google

Randomized consensus algorithms over large scale networks. Cerca con Google

IEEE Journal on Selected Areas in Communications Cerca con Google

26 (4), 634 -- 649. Cerca con Google

Feller, W. (1971). Cerca con Google

An introduction to probability theory and its application. Cerca con Google

Wiley series in Probability and Mathematical Statistics. Cerca con Google

Fiacco, A. V. and G. P. Cormick (1968). Cerca con Google

Nonlinear Programming: Sequential Unconstrained Minimization Cerca con Google

Techniques. Cerca con Google

John Wiley & Sons. Cerca con Google

Garin, F. and L. Schenato (2011). Cerca con Google

Networked Control Systems, Chapter A Survey on distributed Cerca con Google

estimation and control applications using linear consensus algorithms, pp. Cerca con Google

75--107. Cerca con Google

Springer Lecture Notes in Control and Information Sciences. Springer. Cerca con Google

Gelb, A. (1974). Cerca con Google

Applied optimal estimation. Cerca con Google

Cambridge, MA: MIT Press. Cerca con Google

Gilks, W. R., S. Richardson, and D. J. Spiegelhalter (1996). Cerca con Google

Markov chain Monte Carlo in Practice. Cerca con Google

London: Chapman and Hall. Cerca con Google

Girosi, F., M. Jones, and T. Poggio (1995, March). Cerca con Google

Regularization theory and neural networks architectures. Cerca con Google

Neural computation 7 (2), 219 -- 269. Cerca con Google

Glanzmann, G., R. Negenborn, G. Andersson, B. D. Schutter, and J. Hellendoorn Cerca con Google

(2007, July). Cerca con Google

Multi-area control of overlapping areas in power systems for {FACTS} Cerca con Google

control. Cerca con Google

In Proceedings of Power Tech 2007 (PT 2007). Cerca con Google

Glaser, S. D. (2004, March). Cerca con Google

Some real-world applications of wireless sensor nodes. Cerca con Google

In SPIE Symposium on Smart Structures and Materials, San Diego, Cerca con Google

California. Cerca con Google

Good, I. J. (1953). Cerca con Google

The population frequencies of species and the estimation of Cerca con Google

population parameters. Cerca con Google

Biometrika 40, 237 -- 264. Cerca con Google

Guestrin, C., P. Bodik, R. Thibaux, M. Paskin, and S. Madden (2004). Cerca con Google

Distributed regression: an efficient framework for modeling sensor Cerca con Google

network data. Cerca con Google

In Proceedings of the third International Symposium on Cerca con Google

Information Processing in Sensor Networks (IPSN), pp. 1--10. Cerca con Google

Hastie, T., R. Tibshirani, and J. Friedman (2001). Cerca con Google

The Elements of Statistical Learning. Cerca con Google

New York: Springer. Cerca con Google

He, T., S. Ben-David, and L. Tong (2006, April). Cerca con Google

Nonparametric change detection and estimation in large-scale sensor Cerca con Google

networks. Cerca con Google

IEEE Transactions on Signal Processing 54, 1204--1217. Cerca con Google

Hendrickx, J. M., A. Olshevsky, and J. N. Tsitsiklis (2010, April). Cerca con Google

Distributed anonymous discrete function computation. Cerca con Google

Hoerl, A. E. and R. W. Kennard (2000, February). Cerca con Google

Ridge regression: Biased estimation for nonorthogonal problems. Cerca con Google

Technometrics 42 (1), 80--86. Cerca con Google

Special 40th Anniversary Issue. Cerca con Google

Honeine, P., M. Essoloh, C. Richard, and H. Snoussi (2008, November - Cerca con Google

December). Cerca con Google

Distributed regression in sensor networks with a reduced-order kernel Cerca con Google

model. Cerca con Google

In IEEE Global Telecommunications Conference, pp. 1 -- 5. Cerca con Google

Honeine, P., C. Richard, J. Bermudez, H. Snoussi, M. Essoloh, and F. Vincent Cerca con Google

(2009, April). Cerca con Google

Functional estimation in {H}ilbert space for distributed learning in Cerca con Google

wireless sensor networks. Cerca con Google

In IEEE International Conference on Acoustics, Speech and Signal Cerca con Google

Processing, pp. 2861--2864. Cerca con Google

Howlader, M. S. A., M. R. Frater, and M. J. Ryan (2008). Cerca con Google

Estimating the number and distribution of the neighbors in an Cerca con Google

underwater communication network. Cerca con Google

In Second International Conference on Sensor Technologies and Cerca con Google

Applications, pp. 693--698. IEEE Computer Society. Cerca con Google

Huang, J.-L., S.-C. Chid, and X.-M. Huang (2009). Cerca con Google

{GPE}: A grid-based population estimation algorithm for resource Cerca con Google

inventory applications over sensor networks. Cerca con Google

Journal of Information Science and Engineering 25, 201 Cerca con Google

-- 218. Cerca con Google

Huang, Y.-D. and M. Barket (1991). Cerca con Google

On estimating the number of sources with a frequency-hopped signaling Cerca con Google

sensor array. Cerca con Google

IEEE Transactions on Antennas and Propagation 39, 1384 Cerca con Google

-- 1390. Cerca con Google

Huber, P. J. (1964). Cerca con Google

Robust estimation of a location parameter. Cerca con Google

Annals of Statistics 53, 73 -- 101. Cerca con Google

Ihler, A. (2005, June). Cerca con Google

Inference in sensor networks: Graphical models and particle Cerca con Google

methods. Cerca con Google

Ph. D. thesis, MIT. Cerca con Google

Jacovitti, G. and G. Scarano (1993, February). Cerca con Google

Discrete time techniques for time delay estimation. Cerca con Google

{IEEE} Transactions on Signal Processing 41 (2), Cerca con Google

525--533. Cerca con Google

Jelasity, M. and A. Montresor (2004). Cerca con Google

Epidemic-style proactive aggregation in large overlay networks. Cerca con Google

In 24th International Conference on Distributed Computing Cerca con Google

Systems, pp. 102 -- 109. Cerca con Google

Jenkins, G. M. and D. G. Watts (1969). Cerca con Google

Spectral analysis and its applications. Cerca con Google

Holden-Day Series in Time Series Analysis. London: Holden-Day. Cerca con Google

Kay, S. M. (1993). Cerca con Google

Fundamentals of statistical signal processing: estimation Cerca con Google

theory. Cerca con Google

Prentice-Hall. Cerca con Google

Kearns, M. and H. S. Seung (1995, February). Cerca con Google

Learning from a population of hypotheses. Cerca con Google

Machine Learning 18 (2-3), 255 -- 276. Cerca con Google

Kimeldorf, G. and G. Wahba (1971, January). Cerca con Google

Some results on {T}chebycheffian spline functions. Cerca con Google

Journal of Mathematical Analysis and Applications Cerca con Google

33 (1), 82--95. Cerca con Google

Kimeldorf, G. S. and G. Wahba (1970, April). Cerca con Google

A correspondence between {B}ayesian estimation on stochastic Cerca con Google

processes and smoothing by splines. Cerca con Google

The Annals of Mathematical Statistics 41 (2), Cerca con Google

495--502. Cerca con Google

K"{o}nig, H. (1986). Cerca con Google

Eigenvalue distribution of compact operators, Volume 9 of Cerca con Google

Operator theory: advances and applications. Cerca con Google

Basel-Boston-Stuttgart: Birkhauser Verlag. Cerca con Google

Kostoulas, D., D. Psaltoulis, I. Gupta, K. Birman, and A. Demers (2005, July). Cerca con Google

Decentralized schemes for size estimation in large and dynamic Cerca con Google

groups. Cerca con Google

In Fourth IEEE International Symposium on Network Computing and Cerca con Google

Applications, pp. 41 -- 48. Cerca con Google

Kumar, S., F. Zhao, and D. Shephard (2002). Cerca con Google

Collaborative signal and information processing in microsensor Cerca con Google

networks. Cerca con Google

IEEE Signal Processing Magazine 19 (2), 13 -- 14. Cerca con Google

Le Merrer, E., A.-M. Kermarrec, and L. Massoulié (2006). Cerca con Google

Peer to peer size estimation in large and dynamic networks: A Cerca con Google

comparative study. Cerca con Google

In 15th IEEE International Symposium on High Performance Cerca con Google

Distributed Computing, pp. 7 -- 17. Cerca con Google

Leshem, A. and L. Tong (2005). Cerca con Google

Estimating sensor population via probabilistic sequential polling. Cerca con Google

IEEE Signal Processing Letters 12, 395 -- 398. Cerca con Google

Li, L., J. A. Chambers, C. G. Lopes, and A. H. Sayed (2010, January). Cerca con Google

Distributed estimation over an adaptive incremental network based on Cerca con Google

the affine projection algorithm. Cerca con Google

IEEE Transactions on Signal Processing 58 (1), 151 -- Cerca con Google

164. Cerca con Google

Ljung, L. (1999). Cerca con Google

System identification: theory for the user. Cerca con Google

Prentice Hall PTR. Cerca con Google

MacKay, D. J. (2003). Cerca con Google

Information Theory, Inference, and Learning Algorithms. Cerca con Google

Cambridge University Press. Cerca con Google

Marple, S. L. (1999). Cerca con Google

Estimating group delay and phase delay via discrete-time analytic Cerca con Google

cross-correlation. Cerca con Google

{IEEE} Transactions on Signal Processing 47 (9), Cerca con Google

2604--2607. Cerca con Google

Mart{'i}nez, S. (2010, March). Cerca con Google

Distributed interpolation schemes for field estimation by mobile Cerca con Google

sensor networks. Cerca con Google

IEEE Transactions on Control Systems Technology Cerca con Google

18 (2), 491 --500. Cerca con Google

Massoulié, L., E. Le Merrer, A.-M. Kermarrec, and A. Ganesh (2006). Cerca con Google

Peer counting and sampling in overlay networks: random walk methods. Cerca con Google

In Proceedings of the twenty-fifth annual ACM symposium on Cerca con Google

Principles of distributed computing. Cerca con Google

Mateos, G., J. A. Bazerque, and G. B. Giannakis (2010, October). Cerca con Google

Distributed sparse linear regression. Cerca con Google

IEEE Transactions on Signal Processing 58 (10), 5262 Cerca con Google

-- 5276. Cerca con Google

Micchelli, C., Y. Xu, and H. Zhang (2006). Cerca con Google

Universal kernels. Cerca con Google

Journal of Machine Learning Research 7, 2651--2667. Cerca con Google

Mosk-Aoyama, D. and D. Shah (2008, July). Cerca con Google

Fast distributed algorithms for computing separable functions. Cerca con Google

IEEE Transactions on Information Theory 54 (7), 2997 Cerca con Google

-- 3007. Cerca con Google

M"{u}ller, K., A. Smola, G. R"{a}tsch, B. Sch"{o}lkopf, J. Kohlmorgen, and Cerca con Google

V. Vapnik (1997). Cerca con Google

Predicting time series with support vector machines. Cerca con Google

In Artificial Neural Networks - ICANN'97, Volume 1327 of Cerca con Google

Lecture Notes in Computer Science, pp. 999--1004. GMD FIRST Rudower Cerca con Google

Chaussee 5 12489 Berlin Germany Rudower Chaussee 5 12489 Berlin Germany: Cerca con Google

Springer Berlin / Heidelberg. Cerca con Google

Nakamura, E. F., A. A. F. Loureiro, and A. C. Frery (2007, August). Cerca con Google

Information fusion for wireless sensor networks: methods, models, and Cerca con Google

classifications. Cerca con Google

ACM Computing Surveys 39 (3), 9 / 1 -- 9 / 55. Cerca con Google

Nasipuri, A. and S. Tantaratana (1997, March). Cerca con Google

Nonparametric distributed detection using wilcoxon statistics. Cerca con Google

Signal Processing 57 (2), 139--146. Cerca con Google

Nef, W. (1967). Cerca con Google

Linear Algebra. Cerca con Google

McGraw-Hill. Cerca con Google

Nguyen, X., M. J. Wainwright, and M. I. Jordan (2005, November). Cerca con Google

Nonparametric decentralized detection using kernel methods. Cerca con Google

IEEE Transactions on Signal Processing 53 (11), 4053 Cerca con Google

-- 4066. Cerca con Google

Olfati-Saber, R., J. A. Fax, and R. M. Murray (2007). Cerca con Google

Consensus and cooperation in multi-agent networked systems. Cerca con Google

Proceedings of the IEEE 95, 215 -- 233. Cerca con Google

Olfati-Saber, R. and R. M. Murray (2004). Cerca con Google

Consensus problems in networks of agents with switching topology and Cerca con Google

time-delays. Cerca con Google

IEEE Transactions on Automatic Control 49 (9), Cerca con Google

1520--1533. Cerca con Google

Oliveira, R. I. (2010, June). Cerca con Google

Sums of random {H}ermitian matrices and an inequality by {R}udelson. Cerca con Google

Electronic Communications in Probability 15, 203--212. Cerca con Google

Papachristodoulou, A., L. Li, and J. C. Doyle (2004, July). Cerca con Google

Methodological frameworks for large-scale network analysis and Cerca con Google

design. Cerca con Google

ACM SIGCOMM Computer Communication Review 34 (3), 7 -- Cerca con Google

20. Cerca con Google

P'{e}rez-Cruz, F. and S. R. Kulkarni (2010, April). Cerca con Google

Robust and low complexity distributed kernel least squares learning Cerca con Google

in sensor networks. Cerca con Google

IEEE Signal Processing Letters 17 (4), 355 -- 358. Cerca con Google

Pillonetto, G. and B. M. Bell (2007, October). Cerca con Google

Bayes and empirical {B}ayes semi-blind deconvolution using Cerca con Google

eigenfunctions of a prior covariance. Cerca con Google

Automatica 43 (10), 1698--1712. Cerca con Google

Pillonetto, G., A. Chiuso, and G. De Nicolao (2011, February). Cerca con Google

Prediction error identification of linear systems: A nonparametric Cerca con Google

gaussian regression approach. Cerca con Google

Automatica 47 (2), 291 -- 305. Cerca con Google

Pillonetto, G. and G. De Nicolao (2010, January). Cerca con Google

A new kernel-based approach for linear system identification. Cerca con Google

Automatica 46 (1), 81 -- 93. Cerca con Google

Poggio, T. and F. Girosi (1990, September). Cerca con Google

Networks for approximation and learning. Cerca con Google

Proceedings of the {IEEE} 78 (9), 1481 -- 1497. Cerca con Google

Poor, H. V. (2009). Cerca con Google

Competition and collaboration in wireless sensor networks. Cerca con Google

In Sensor Networks, Signals and Communication Technology, pp. Cerca con Google

3 -- 15. Springer. Cerca con Google

Predd, J. B., S. R. Kulkarni, and H. V. Poor (2005). Cerca con Google

Regression in sensor networks: training distributively with Cerca con Google

alternating projections. Cerca con Google

In Advanced Signal Processing Algorithms, Architectures, and Cerca con Google

Implementations XV, Volume SPIE 5910 - 1, San Diego, California. Cerca con Google

Predd, J. B., S. R. Kulkarni, and H. V. Poor (2006a, January). Cerca con Google

Consistency in models for distributed learning under communication Cerca con Google

constraints. Cerca con Google

IEEE Transactions on Information Theory 52 (1), 52 -- Cerca con Google

63. Cerca con Google

Predd, J. B., S. R. Kulkarni, and H. V. Poor (2006b, March). Cerca con Google

Distributed kernel regression: An algorithm for training Cerca con Google

collaboratively. Cerca con Google

In Proceedings of the IEEE Information Theory Workshop, pp. Cerca con Google

332 -- 336. Cerca con Google

Predd, J. B., S. R. Kulkarni, and H. V. Poor (2006c, July). Cerca con Google

Distributed learning in wireless sensor networks. Cerca con Google

IEEE Signal Processing Magazine 23 (4), 56 -- 69. Cerca con Google

Predd, J. B., S. R. Kulkarni, and H. V. Poor (2009, April). Cerca con Google

A collaborative training algorithm for distributed learning. Cerca con Google

IEEE Transactions on Information Theory 55 (4), 1856 Cerca con Google

-- 1871. Cerca con Google

Psaltoulis, D., D. Kostoulas, I. Gupta, K. Birman, and A. Demers (2007). Cerca con Google

Practical algorithms for size estimation in large and dynamic groups. Cerca con Google

Puccinelli, D. and M. Haenggi (2005). Cerca con Google

Wireless sensor networks: applications and challenges of ubiquitous Cerca con Google

sensing. Cerca con Google

IEEE Circuits and Systems Magazine 5 (3), 19 -- 31. Cerca con Google

Rasmussen, C. E. and C. K. I. Williams (2006). Cerca con Google

Gaussian Processes for Machine Learning. Cerca con Google

The MIT Press. Cerca con Google

Schizas, I. D. and G. B. Giannakis (2006, October - November). Cerca con Google

Consensus-based distributed estimation of random signals with Cerca con Google

wireless sensor networks. Cerca con Google

In 40th Asilomar Conference on Signals, Systems and Computers, Cerca con Google

pp. 530 -- 534. Cerca con Google

Schizas, I. D., A. Ribeiro, and G. B. Giannakis (2008, January). Cerca con Google

Consensus in ad hoc {WSNs} with noisy links - part {I}: Distributed Cerca con Google

estimation of deterministic signals. Cerca con Google

IEEE Transactions on Signal Processing 56 (1), 350 -- Cerca con Google

364. Cerca con Google

Schölkopf, B. and A. Smola (2001). Cerca con Google

Learning with Kernels: Support Vector Machines, Regularization, Cerca con Google

Optimization, and Beyond. Cerca con Google

Cambridge, MA, USA: MIT Press. Cerca con Google

Schwarz, G. E. (1978). Cerca con Google

Estimating the dimension of a model. Cerca con Google

Annals of Statistics 6 (2), 461 -- 464. Cerca con Google

Simi'{c, S. N. (2003). Cerca con Google

A learning theory approach to sensor networks. Cerca con Google

IEEE Pervasive Computing 2 (4), 44 -- 49. Cerca con Google

Smale, S. and D.-X. Zhou (2005). Cerca con Google

Shannon sampling {II}: Connections to learning theory. Cerca con Google

Applied and Computational Harmonic Analysis 19, Cerca con Google

285--302. Cerca con Google

Smale, S. and D.-X. Zhou (2007). Cerca con Google

Learning theory estimates via integral operators and their Cerca con Google

approximations. Cerca con Google

Constructive approximation 26, 153--172. Cerca con Google

Snoussi, H. and C. Richard (2006, November). Cerca con Google

Distributed {B}ayesian fault diagnosis in collaborative wireless Cerca con Google

sensor networks. Cerca con Google

In IEEE Global Telecommunications Conference. Cerca con Google

S"{o}derstr"{o}m, T. and P. Stoica (1989). Cerca con Google

System Identification. Cerca con Google

Prentice Hall. Cerca con Google

Stein, M. L. (1999). Cerca con Google

Interpolation of spatial data: some theory for {K}riging. Cerca con Google

Springer. Cerca con Google

Sudderth, E. B., A. T. Ihler, W. T. Freeman, and A. S. Willsky (2003, June). Cerca con Google

Nonparametric belief propagation. Cerca con Google

IEEE Conference on Computer Vision and Pattern Cerca con Google

Recognition 1, 605 -- 612. Cerca con Google

Tikhonov, A. N. and V. Y. Arsenin (1977). Cerca con Google

Solution of Ill-posed Problems. Cerca con Google

Wiston. Cerca con Google

Greed is good: algorithmic results for sparse approximation. Cerca con Google

IEEE Transactions on Information Theory 50, 2231 -- Cerca con Google

2242. Cerca con Google

The nature of statistical learning theory. Cerca con Google

New York: Springer. Cerca con Google

Varagnolo, D., G. Pillonetto, and L. Schenato (2009, December). Cerca con Google

Distributed function and time delay estimation using nonparametric Cerca con Google

techniques. Cerca con Google

In IEEE Conference on Decision and Control, pp. 7608 -- 7613. Cerca con Google

Varagnolo, D., G. Pillonetto, and L. Schenato (2010a, June - July). Cerca con Google

Distributed consensus-based bayesian estimation: sufficient Cerca con Google

conditions for performance characterization. Cerca con Google

In American Control Conference, pp. 3986 -- 3991. Cerca con Google

Varagnolo, D., G. Pillonetto, and L. Schenato (2010b, December). Cerca con Google

Distributed statistical estimation of the number of nodes in sensor Cerca con Google

networks. Cerca con Google

In IEEE Conference on Decision and Control. Cerca con Google

Varshney, P. K. (1996). Cerca con Google

Distributed Detection and Data Fusion. Cerca con Google

Secaucus, NJ, USA: Springer-Verlag New York, Inc. Cerca con Google

Viola, F. and W. F. Walker (2005, January). Cerca con Google

A spline-based algorithm for continuous time-delay estimation using Cerca con Google

sampled data. Cerca con Google

{IEEE} Transactions on Ultrasonics, Ferroelectrict, and Cerca con Google

Frequency Control 52 (1), 80--93. Cerca con Google

Viswanathan, R. and P. K. Varshney (1997, January). Cerca con Google

Distributed detection with multiple sensors i: Fundamentals. Cerca con Google

Proceedings of the IEEE 85, 64 -- 63. Cerca con Google

Wahba, G. (1990). Cerca con Google

Spline models for observational data. Cerca con Google

SIAM. Cerca con Google

Wang, P., H. Li, and J. Fang (2008, March). Cerca con Google

Distributed non-parametric estimation in a bandwidth-constrained Cerca con Google

sensor network. Cerca con Google

In 42nd Annual Conference on Information Sciences and Systems, Cerca con Google

pp. 1031 -- 1036. Cerca con Google

Weinert, H. L. (1982). Cerca con Google

Reproducing Kernel Hilbert Spaces: Applications in Statistical Cerca con Google

Signal Processing. Cerca con Google

Stroudsburg, Pennsylvania: Hutchinson Ross. Cerca con Google

Xiao, J.-J., A. Ribeiro, Z.-Q. Luo, and G. Giannakis (2006, July). Cerca con Google

Distributed compression-estimation using wireless sensor networks. Cerca con Google

IEEE Signal Processing Magazine 23 (4), 27 -- 41. Cerca con Google

Yaglom, A. M. (1987). Cerca con Google

Correlation theory of stationary and related random functions, Cerca con Google

Volume 1. Cerca con Google

New York: Springer. Cerca con Google

Yamanishi, K. (1997). Cerca con Google

Distributed cooperative {B}ayesian learning strategies. Cerca con Google

In COLT '97: Proceedings of the tenth annual conference on Cerca con Google

Computational learning theory, New York, NY, USA, pp. 250 -- 262. ACM. Cerca con Google

Yosida, K. (1965). Cerca con Google

Functional Analysis, Volume 123. Cerca con Google

Springer-Verlag. Cerca con Google

Zheng, H., S. R. Kulkarni, and H. V. Poor (2008, June - July). Cerca con Google

Dimensionally distributed learning models and algorithm. Cerca con Google

In 11th International Conference on Information Fusion, pp. 1 Cerca con Google

-- 8. Cerca con Google

Zhu, H. and R. Rohwer (1996, September). Cerca con Google

Bayesian regression filters and the issue of priors. Cerca con Google

Journalof Neural Computing and Applications 4 (3), Cerca con Google

130--142. Cerca con Google

Zhu, H., C. K. I. Williams, R. Rohwer, and M. Morciniec (1998). Cerca con Google

Gaussian regression and optimal finite dimensional linear models. Cerca con Google

In Neural Networks and Machine Learning. Springer-Verlag. Cerca con Google

Zhu, K. (2007) Cerca con Google

Operator theory in function spaces. Cerca con Google

Number 138 in Mathematical Surveys and Monographs. American Cerca con Google

Mathematical Society. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record