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 "kernel method" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Some Nonparametric Estimators of Regression Function
    Wybrane nieparametryczne estymatory funkcji regresji
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/906895.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    regression function
    kernel function
    smoothing parameter
    k-nearest neighbour method
    kernel method
    Opis:
    In the paper some nonparametric estimators of regression function are studied: Nadaraya-Watson estimator and k-nearest neighbour one. Properties of these estimators and possibilities of using them in practice are taken into consideration. A comparative study of the two estimators is presented. Different techniques of choosing method’s parameters (kernel function, smoothing parameter h and parameter k) are used in this study to choose the optimal ones. Some practical rules are proposed and they are used in this study.
    W pracy przedstawiono wybrane dwa nieparametryczne estymatory funkcji regresji: estymator jądrowy Nadaraya-Watsona oraz estymator k-najbliższego sąsiada. Podano ich własności, możliwości wykorzystania oraz dokonano porównania tych estymatorów. Przedstawiono również przykład zastosowania estymatora jądrowego regresji z uwzględnieniem właściwego doboru parametrów metody (funkcji jądra i parametru wygładzania h) oraz estymatora k-najbliższego sąsiada z uwzględnieniem właściwego doboru parametru k. Zaproponowano również praktyczne zasady wyboru parametrów estymacji funkcji regresji i wykorzystano je w przykładzie.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2007, 206
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Performance Evaluation of MC-CDMA Systems with Single User Detection Technique using Kernel and Linear Adaptive Method
    Autorzy:
    Fateh, Rachid
    Darif, Anouar
    Safi, Said
    Powiązania:
    https://bibliotekanauki.pl/articles/2058482.pdf
    Data publikacji:
    2021
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    BRAN channels
    equalization
    kernel method
    MC-CDMA
    reproducing kernel Hilbert space
    Opis:
    Among all the techniques combining multi-carrier modulation and spread spectrum, the multi-carrier code division multiple access (MC-CDMA) system is by far the most widely studied. In this paper, we present the performance of the MC-CDMA system associated with key single-user detection techniques. We are interested in problems related to identification and equalization of mobile radio channels, using the kernel method in Hilbert space with a reproducing kernel, and a linear adaptive algorithm, for MC-CDMA systems. In this context, we tested the efficiency of these algorithms, considering practical frequency selective fading channels, called broadband radio access network (BRAN), standardized for MC-CDMA systems. As far as the equalization problem encountered after channel identification is concerned, we use the orthogonality restoration combination (ORC) and the minimum mean square error (MMSE) equalizer techniques to correct the distortion of the channel. Simulation results demonstrate that the kernel algorithm is efficient for practical channel.
    Źródło:
    Journal of Telecommunications and Information Technology; 2021, 4; 1--11
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Kernel Estimation of Cumulative Distribution Function of a Random Variable with Bounded Support
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/465685.pdf
    Data publikacji:
    2016
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    boundary effects
    cumulative distribution function
    kernel method
    bounded support
    Opis:
    In the paper methods of reducing the so-called boundary effects, which appear in the estimation of certain functional characteristics of a random variable with bounded support, are discussed. The methods of the cumulative distribution function estimation, in particular the kernel method, as well as the phenomenon of increased bias estimation in boundary region are presented. Using simulation methods, the properties of the modified kernel estimator of the distribution function are investigated and an attempt to compare the classical and the modified estimators is made.
    Źródło:
    Statistics in Transition new series; 2016, 17, 3; 541-556
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    COMPUTER-ASSISTED CHOICE OF SMOOTHING PARAMETER IN KERNEL METHODS APPLIED IN ECONOMIC ANALYSES
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/453961.pdf
    Data publikacji:
    2014
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    kernel method
    smoothing parameter
    Silverman’s practical rule
    SiZer map
    Opis:
    In the kernel method, it is necessary to determine the value of the smoothing parameter. Not without significance is the fact of using the objectivity in the selection of this parameter and a certain automation of the selection procedure, which is important especially for novice users of kernel methods in the process of statistical inference. In the paper some methods of choice of the smoothing parameter are presented with the results of the simulation study that indicate these methods of selecting the smoothing parameter as handy tool when kernel methods are used in economic analyses.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2014, 15, 2; 37-46
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Some Remarks on the Symmetry Kernel Test
    Uwagi o jądrowym teście symetryczności
    Autorzy:
    Baszczyńska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/905773.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    kernel method
    symmetry
    Li symmetry test
    triple test
    Gupta symmetry test
    Opis:
    The paper presents chosen statistical tests used to verify the hypothesis of the symmetry of random variable’s distribution. Detailed analysis of the symmetry kernel test is made. The properties of the regarded symmetry kernel test are compared with the other symmetry tests using Monte Carlo methods. The symmetry tests are used, as an example, in analysis of the distribution of the Human Development Index (HDI).
    W pracy przedstawiono wybrane statystyczne testy wykorzystywane w weryfikacji hipotezy o symetryczności rozkładu zmiennej losowej. Szczegółowej analizie poddano test symetryczności oparty o metodę jądrową. Porównano własności zaprezentowanych testów symetryczności oraz zastosowano je go analizy rozkładu wskaźnika rozwoju społecznego (HDI).
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 285
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A feasible k-means kernel trick under non-Euclidean feature space
    Autorzy:
    Kłopotek, Robert
    Kłopotek, Mieczysław
    Wierzchoń, Sławomir
    Powiązania:
    https://bibliotekanauki.pl/articles/1838163.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    kernel method
    k-means
    non-Euclidean feature space
    Gower and Legendre theorem
    Opis:
    This paper poses the question of whether or not the usage of the kernel trick is justified. We investigate it for the special case of its usage in the kernel k-means algorithm. Kernel-k-means is a clustering algorithm, allowing clustering data in a similar way to k-means when an embedding of data points into Euclidean space is not provided and instead a matrix of “distances” (dissimilarities) or similarities is available. The kernel trick allows us to by-pass the need of finding an embedding into Euclidean space. We show that the algorithm returns wrong results if the embedding actually does not exist. This means that the embedding must be found prior to the usage of the algorithm. If it is found, then the kernel trick is pointless. If it is not found, the distance matrix needs to be repaired. But the reparation methods require the construction of an embedding, which first makes the kernel trick pointless, because it is not needed, and second, the kernel-k-means may return different clusterings prior to repairing and after repairing so that the value of the clustering is questioned. In the paper, we identify a distance repairing method that produces the same clustering prior to its application and afterwards and does not need to be performed explicitly, so that the embedding does not need to be constructed explicitly. This renders the kernel trick applicable for kernel-k-means.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2020, 30, 4; 703-715
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Empirical and Kernel Estimation of the ROC Curve
    EMPIRYCZNY I JĄDROWY ESTYMATOR KRZYWEJ ROC
    Autorzy:
    Baszczyńska, Aleksandra Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/654315.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    krzywa ROC curve
    empiryczny estymator
    metoda jądrowa
    parametr wygładzania
    funkcja jądra
    ROC curve
    empirical estimator
    kernel method
    smoothing parameter
    kernel function
    Opis:
    W pracy rozważane są wybrane metody estymacji krzywej ROC (Receiver Operating Characteristic), w tym metody parametryczne i nieparametryczne. Podejście nieparametryczne może oznaczać zastosowanie empirycznego estymatora krzywej ROC lub  estymatora jądrowego. Podjęta jest próba porównania estymacji empirycznej oraz jądrowej ze szczególnym uwzględnieniem wpływu liczebności próby, jak również metody wyboru parametru wygładzania i funkcji jądra na rezultat procedury estymacyjnej. W oparciu o wyniki badania symulacyjnego określone są wskazówki użyteczne w procedurach estymacji krzywej ROC.
    The paper presents chosen methods for estimating the ROC (Receiver Operating Characteristic) curve, including parametric and nonparametric procedures. Nonparametric  approach may involve the use of empirical method or kernel method of the ROC curve estimation. In the analysis, an attempt of comparison of empirical and kernel ROC estimators is done, considering the impact of sample size, choice of smoothing parameter and kernel function in kernel estimation on the results of the estimation. Based on the results of simulation studies, some suggestions, useful in the procedures of nonparametric ROC curve are determined.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 1, 311
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of prototype selection algorithms used in construction of neural networks learned by SVD
    Autorzy:
    Jankowski, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/330020.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    radial basis function network
    extreme learning machine
    kernel method
    prototype selection
    machine learning
    k nearest neighbours
    radialna funkcja bazowa
    metoda jądrowa
    uczenie maszynowe
    metoda k najbliższych sąsiadów
    Opis:
    Radial basis function networks (RBFNs) or extreme learning machines (ELMs) can be seen as linear combinations of kernel functions (hidden neurons). Kernels can be constructed in random processes like in ELMs, or the positions of kernels can be initialized by a random subset of training vectors, or kernels can be constructed in a (sub-)learning process (sometimes by k-means, for example). We found that kernels constructed using prototype selection algorithms provide very accurate and stable solutions. What is more, prototype selection algorithms automatically choose not only the placement of prototypes, but also their number. Thanks to this advantage, it is no longer necessary to estimate the number of kernels with time-consuming multiple train-test procedures. The best results of learning can be obtained by pseudo-inverse learning with a singular value decomposition (SVD) algorithm. The article presents a comparison of several prototype selection algorithms co-working with singular value decomposition-based learning. The presented comparison clearly shows that the combination of prototype selection and SVD learning of a neural network is significantly better than a random selection of kernels for the RBFN or the ELM, the support vector machine or the kNN. Moreover, the presented learning scheme requires no parameters except for the width of the Gaussian kernel.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 719-733
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A fast neural network learning algorithm with approximate singular value decomposition
    Autorzy:
    Jankowski, Norbert
    Linowiecki, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/330870.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    Moore–Penrose pseudoinverse
    radial basis function network
    extreme learning machine
    kernel method
    machine learning
    singular value decomposition
    deep extreme learning
    principal component analysis
    pseudoodwrotność Moore–Penrose
    radialna funkcja bazowa
    maszyna uczenia ekstremalnego
    uczenie maszynowe
    analiza składników głównych
    Opis:
    The learning of neural networks is becoming more and more important. Researchers have constructed dozens of learning algorithms, but it is still necessary to develop faster, more flexible, or more accurate learning algorithms. With fast learning we can examine more learning scenarios for a given problem, especially in the case of meta-learning. In this article we focus on the construction of a much faster learning algorithm and its modifications, especially for nonlinear versions of neural networks. The main idea of this algorithm lies in the usage of fast approximation of the Moore–Penrose pseudo-inverse matrix. The complexity of the original singular value decomposition algorithm is O(mn2). We consider algorithms with a complexity of O(mnl), where l < n and l is often significantly smaller than n. Such learning algorithms can be applied to the learning of radial basis function networks, extreme learning machines or deep ELMs, principal component analysis or even missing data imputation.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 581-594
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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