Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "mixture model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    GEE Estimators in Mixture Model with Varying Concentrations
    Estymatory GEE w modelu mieszanym ze zmiennymi współczynnikami koncentracji
    Autorzy:
    Doronin, Oleksii
    Maiboroda, Rostislav
    Powiązania:
    https://bibliotekanauki.pl/articles/654526.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    model mieszany
    estymacja semiparametryczna
    GEE (metoda uogólnionych równań estymujących)
    mixture model
    semiparametric estimation
    GEE
    Opis:
    W pracy omówiono semiparametryczny model mieszany, w którym pewne współczynniki są parametryzowane za pomocą wspólnego parametru euklidesowego, natomiast inne są zupełnie nieznane. Wprowadzono metodę estymacji parametrów opartą na podejściu GEE (uogólnionych równań estymujących)  oraz adaptacyjnym podejściu GEE. Proponowane estymatory zostały przeanalizowane w badaniu symulacyjnym.
    We discuss semiparametric mixture model where some components are parametrized with common Euclidean parameter and others are fully unknown. We introduce GEE approach and adaptive GEE-based approach for parameter estimation. Proposed estimators are tested on simulated sample.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 3, 314
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On an Improvement of the Model-Based Clustering Method
    O pewnej modyfikacji w metodzie taksonomii opartej na modelach mieszanych
    Autorzy:
    Witek, Ewa
    Powiązania:
    https://bibliotekanauki.pl/articles/906293.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Model-based clustering (MBC)
    Gaussian mixture models
    EM algorithm
    MLE
    MAP
    BIC
    conjugate prior
    Opis:
    W artykule przedstawiona została modyfikacja metody taksonomii opartej na modelach mieszanych, w przypadku gdy niemożliwym staje się oszacowanie parametrów modelu za pomocą algorytmu EM. Gdy liczba obiektów przypisanych do klasy jest mniejsza niż liczba zmiennych opisujących te obiekty, niemożliwym staje się oszacowanie parametrów modelu. By uniknąć tej sytuacji estymatory największej wiarygodności zastępowane są estymatorami o największym prawdopodobieństwie a posteriori. Wybór modelu o najlepszej parametryzacji i stosownej liczbie klas dokonywany jest wówczas za pomocą zmodyfikowanej statystyki BIC.
    An improvement o f the model-based clustering (MBC) method in the case when EM algorithm fails as a result o f singularities is the basic aim o f this paper. Replacement o f the maximum likelihood (MLE) estimator by a maximum a posteriori (MAP) estimator, also found by the EM algorithm is proposed. Models with different number o f components are compared using a modified version o f BIC, where the likelihood is evaluated at the MAP instead o f MLE. A highly dispersed proper conjugate prior is shown to avoid singularities, but when these are not present it gives similar results to the standard method o f MBC.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies