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 "nonparametric regression" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-12 z 12
    Tytuł:
    The Wavelet Transform in Regression
    Zastosowanie transformacji falkowej do budowy modeli regresyjnych
    Autorzy:
    Trzęsiok, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/905049.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    wavelets
    wavelet transform
    wavelet thresholding
    nonparametric regression
    Opis:
    The wavelet transform was introduced in the 19S0's and it was developed as an alternative in tin short time Fourier transform. The wavelets theory is very popular in signal processing and pattern recognition and its applications are still growing. This paper presents the wavelet transform in nonparametric regression. The use of wavelets, in statistical applications was pioneered by D. Donoho and I. Johnstone. Here we discuss their methodology - wavelet shrinkage. The wavelet transform is compared with another nonparametric regression method - splines.
    Transformacja falkowa została zaproponowana na początku lat osiemdziesiątych, jako alternatywa do transformacji Fouriera. Metoda ta szybko znalazła swoje zastosowanie w teorii sygnałów oraz w rozpoznawaniu obrazów, a zakres jej aplikacji nadal dynamicznie się rozwija. Autorami pionierskich prac z zakresu zastosowań teorii lalek w statystyce są David Donoho and Iain Johnstone. Zaproponowali oni w roku 1994 procedurę WaveShrink wykorzystywaną do estymacji funkcji gęstości oraz budowy nieparametrycznych modeli regresji oparła na transformacji falkowej. W artykule przedstawione zostało zastosowanie transformacji falkowej oraz procedury WaveShrink do budowy modelu regresyjnego. Omawianą metodę porównano z inną nieparametryczny metodą regresji - krzywymi sklejanymi.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 225
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Orthogonal series regression estimators for an irregularly spaced design
    Autorzy:
    Popiński, Waldemar
    Powiązania:
    https://bibliotekanauki.pl/articles/1208167.pdf
    Data publikacji:
    2000
    Wydawca:
    Polska Akademia Nauk. Instytut Matematyczny PAN
    Tematy:
    convergence rates
    nonparametric regression
    orthogonal series estimator
    Opis:
    Nonparametric orthogonal series regression function estimation is investigated in the case of a fixed point design where the observation points are irregularly spaced in a finite interval [a,b]i ⊂ ℝ. Convergence rates for the integrated mean-square error and pointwise mean-square error are obtained in the case of estimators constructed using the Legendre polynomials and Haar functions for regression functions satisfying the Lipschitz condition.
    Źródło:
    Applicationes Mathematicae; 2000, 27, 3; 309-318
    1233-7234
    Pojawia się w:
    Applicationes Mathematicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On Some Simulation Procedures for Comparing Nonparametric Methods of Regression
    Wybrane symulacyjne procedury porównywania nieparametrycznych metod regresji
    Autorzy:
    Trzęsiok, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/904487.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    nonparametric regression
    model comparison
    benchmarking experiments
    hypothesis testing
    Opis:
    Nonparametric methods of regression form a large group of varied and rapidly growing methods. In many situations we have a problem with comparing these methods in order to select one of them to solve the regression problem. We present the simulation procedure for comparing the performance of several competing algorithms of nonparametric regression. This procedure has two stages. In the first one, the ranking of nonparametric models of regression is created. In the second stage, statistical test procedures can be used to test the significance of differences in the performances of models presented in the ranking. The procedure is applied to regression benchmark studies based on real world data.
    W artykule przedstawiono symulacyjną procedurę badawczą pozwalającą na porównywanie różnych nieparametrycznych modeli regresji, jak i wybór najlepszego z nich. Zaproponowana procedura przebiega dwuetapowo. W pierwszym etapie tworzony jest ranking modeli regresji, pod względem dokładności predykcji, mierzonej za pomocą błędu średniokwadratowego obliczonego metodą sprawdzania krzyżowego ( MSECV ). Drugi etap analizy ma na celu zbadanie istotności różnic pomiędzy uzyskanymi wartościami MSECV , a tym samym skorygowanie otrzymanych rankingów. Do testowania istotności wspomnianych różnic wykorzystano nieparametryczną statystykę testującą zaproponowaną przez Hothorna. Opisaną procedurę badawczą zastosowano w badaniu empirycznym, dla zbiorów danych standardowo wykorzystywanych do analizowania własności różnych metod regresji.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 286
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A note on orthogonal series regression function estimators
    Autorzy:
    Popiński, Waldemar
    Powiązania:
    https://bibliotekanauki.pl/articles/1338775.pdf
    Data publikacji:
    1999
    Wydawca:
    Polska Akademia Nauk. Instytut Matematyczny PAN
    Tematy:
    consistent estimator
    orthonormal system
    empirical risk minimization
    nonparametric regression
    Opis:
    The problem of nonparametric estimation of the regression function f(x) = E(Y | X=x) using the orthonormal system of trigonometric functions or Legendre polynomials $e_k$, k=0,1,2,..., is considered in the case where a sample of i.i.d. copies $(X_i,Y_i)$, i=1,...,n, of the random variable (X,Y) is available and the marginal distribution of X has density ϱ ∈ $L^1$[a,b]. The constructed estimators are of the form $\widehat f_n(x) = \sum_{k=0}^{N(n)}\widehat c_ke_k(x)$, where the coefficients $\widehat c_0,\widehat c_1,...,\widehat c_N$ are determined by minimizing the empirical risk $n^{-1}\sum_{i=1}^n(Y_i - \sum_{k=0}^Nc_ke_k(X_i))^2$. Sufficient conditions for consistency of the estimators in the sense of the errors $E_X\vert f(X)-\widehat f_n(X)\vert^2$ and $n^{-1}\sum_{i=1}^nE(f(X_i)-\widehat f_n(X_i))^2$ are obtained.
    Źródło:
    Applicationes Mathematicae; 1999, 26, 3; 281-291
    1233-7234
    Pojawia się w:
    Applicationes Mathematicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Outliers vs Robustness in Nonparametric Methods of Regression
    Obserwacje odstające a problem odporności
    Autorzy:
    Trzęsiok, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/658308.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    obserwacje odstające
    odporność
    nieparametryczne metody regresji
    outliers
    robustness
    nonparametric regression methods
    Opis:
    Artykuł poświęcony jest zagadnieniu odporności metod regresji na obserwacje odstające występujące w zbiorze danych. W pierwszej części przedstawiono wybrane metody identyfikacji obserwacji nietypowych. Następnie badano odporność trzech nieparametrycznych metod regresji: PPR, POLYMARS i RANDOM FORESTS. Analiz dokonano za pomocą procedur symulacyjnych na zbiorach danych, w których wykryto obserwacje odstające. Mimo dosyć powszechnych przekonań o odporności regresji nieparametrycznej okazało się, że modele zbudowane na całych zbiorach danych mają istotnie mniejsze zdolności predykcyjne niż modele uzyskane na zbiorach, z których usunięto obserwacje nietypowe.
    The article addresses the question of how robust methods of regression are against outliers in a given data set. In the first part, we presented the selected methods used to detect outliers. Then, we tested the robustness of three nonparametric methods of regression: PPR, POLYMARS, and RANDOM FORESTS. The analysis was conducted applying simulation procedures to the data sets where outliers were detected. Contrary to a relatively common conviction about the robustness of nonparametric regression, the study revealed that the models built on the basis of complete data sets represent a significantly lower predictive capability than models based on the sets from which outliers were discarded.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 4, 337; 99-109
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Generalized kernel regression estimate for the identification of Hammerstein systems
    Autorzy:
    Mzyk, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/929610.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    system Hammersteina
    regresja nieparametryczna
    estymacja jądra
    Hammerstein system
    nonparametric regression
    kernel estimation
    Opis:
    A modified version of the classical kernel nonparametric identification algorithm for nonlinearity recovering in a Hammerstein system under the existence of random noise is proposed. The assumptions imposed on the unknown characteristic are weak. The generalized kernel method proposed in the paper provides more accurate results in comparison with the classical kernel nonparametric estimate, regardless of the number of measurements. The convergence in probability of the proposed estimate to the unknown characteristic is proved and the question of the convergence rate is discussed. Illustrative simulation examples are included.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2007, 17, 2; 189-197
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Convergence rates of orthogonal series regression estimators
    Autorzy:
    Popiński, Waldemar
    Powiązania:
    https://bibliotekanauki.pl/articles/1208155.pdf
    Data publikacji:
    2000
    Wydawca:
    Polska Akademia Nauk. Instytut Matematyczny PAN
    Tematy:
    orthonormal system
    nonparametric series regression
    least squares method
    convergence rate
    Opis:
    General conditions for convergence rates of nonparametric orthogonal series estimators of the regression function f(x)=E(Y | X = x) are considered. The estimators are obtained by the least squares method on the basis of a random observation sample (Y_i,X_i), i=1,...,n, where $X_i ∈ A ⊂ ℝ^d$ have marginal distribution with density $ϱ ∈ L^1(A)$ and Var( Y | X = x) is bounded on A. Convergence rates of the errors $E_X(f(X)-\widehat f_N(X))^2$ and $\Vert f-\widehat f_N\Vert_∞$ for the estimator $\widehat f_N(x) = \sum_{k=1}^N\widehat c_ke_k(x)$, constructed using an orthonormal system $e_k$, k=1,2,..., in $L^2(A)$ are obtained.
    Źródło:
    Applicationes Mathematicae; 2000, 27, 4; 445-454
    1233-7234
    Pojawia się w:
    Applicationes Mathematicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Determinants of spatial concentration of short food supply chains on example of marginal, localized and restricted activities in Poland
    Determinanty przestrzennej koncentracji krótkich łańcuchów dostaw na przykładzie podmiotów marginalnych, lokalnych i ograniczonych w Polsce
    Autorzy:
    Bareja-Wawryszuk, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/2053126.pdf
    Data publikacji:
    2020
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    short food supply chains
    spatial concentration
    marginal localized and restricted activities
    nonparametric regression trees
    local food systems
    Opis:
    The article analyses spatial concentration of marginal, localized and restricted activities creating local food systems in Poland regarded as short supply chains. Local food systems in Poland can take the forms of direct sale, direct deliveries, agricultural retail as well as marginal, localized and restricted activities. Short food supply chains play crucial role in case of local economy, environment and society. Thus, article rises issue connected with sustainability, alternatives for mass produced and distributed food, spatial diversity of local activities. Empirical part of the article focus on marginal, localized and restricted activities. The first part of the article contains a characteristic of the analyzed activities and their spatial distribution. The second part identifies factors that have the strongest influence on the formation of marginal, localized and restricted activities with the application of nonparametric models of regression trees. It is reported that spatial and environmental factors occur most frequently in the process of recurrent division of the data set and, thus, constitute the strongest determinant of marginal, localized and restricted activities.
    Źródło:
    Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Ekonomika i Organizacja Logistyki; 2020, 5[3]; 45-56
    2450-8055
    Pojawia się w:
    Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Ekonomika i Organizacja Logistyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new approach to detection of changes in multidimensional patterns
    Autorzy:
    Gałkowski, Tomasz
    Krzyżak, Adam
    Filutowicz, Zbigniew
    Powiązania:
    https://bibliotekanauki.pl/articles/1837532.pdf
    Data publikacji:
    2020
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    edge detection
    regression
    nonparametric estimation
    Opis:
    Nowadays, unprecedented amounts of heterogeneous data collections are stored, processed and transmitted via the Internet. In data analysis one of the most important problems is to verify whether data observed or/and collected in time are genuine and stationary, i.e. the information sources did not change their characteristics. There is a variety of data types: texts, images, audio or video files or streams, metadata descriptions, thereby ordinary numbers. All of them changes in many ways. If the change happens the next question is what is the essence of this change and when and where the change has occurred. The main focus of this paper is detection of change and classification of its type. Many algorithms have been proposed to detect abnormalities and deviations in the data. In this paper we propose a new approach for abrupt changes detection based on the Parzen kernel estimation of the partial derivatives of the multivariate regression functions in presence of probabilistic noise. The proposed change detection algorithm is applied to oneand two-dimensional patterns to detect the abrupt changes.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 2; 125-136
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new approach to detection of changes in multidimensional patterns. Part 2
    Autorzy:
    Gałkowski, Tomasz
    Krzyżak, Adam
    Patora-Wysocka, Zofia
    Filutowicz, Zbigniew
    Wang, Lipo
    Powiązania:
    https://bibliotekanauki.pl/articles/2031116.pdf
    Data publikacji:
    2021
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    edge curve detection
    regression function
    nonparametric estimation
    Opis:
    In the paper we develop an algorithm based on the Parzen kernel estimate for detection of sudden changes in 3-dimensional shapes which happen along the edge curves. Such problems commonly arise in various areas of computer vision, e.g., in edge detection, bioinformatics and processing of satellite imagery. In many engineering problems abrupt change detection may help in fault protection e.g. the jump detection in functions describing the static and dynamic properties of the objects in mechanical systems. We developed an algorithm for detecting abrupt changes which is nonparametric in nature and utilizes Parzen regression estimates of multivariate functions and their derivatives. In tests we apply this method, particularly but not exclusively, to the functions of two variables.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2021, 11, 3; 217-227
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bandwidth selection for kernel generalized regression neural networks in identification of hammerstein systems
    Autorzy:
    Lv, Jiaqing
    Pawlak, Mirosław
    Powiązania:
    https://bibliotekanauki.pl/articles/2031118.pdf
    Data publikacji:
    2021
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    generalized regression neural network
    nonparametric estimation
    bandwidth
    data-driven selection
    nonlinear system
    Hammerstein system
    Opis:
    This paper addresses the issue of data-driven smoothing parameter (bandwidth) selection in the context of nonparametric system identification of dynamic systems. In particular, we examine the identification problem of the block-oriented Hammerstein cascade system. A class of kernel-type Generalized Regression Neural Networks (GRNN) is employed as the identification algorithm. The statistical accuracy of the kernel GRNN estimate is critically influenced by the choice of the bandwidth. Given the need of data-driven bandwidth specification we propose several automatic selection methods that are compared by means of simulation studies. Our experiments reveal that the method referred to as the partitioned cross-validation algorithm can be recommended as the practical procedure for the bandwidth choice for the kernel GRNN estimate in terms of its statistical accuracy and implementation aspects.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2021, 11, 3; 181-194
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nonparametric statistical analysis for multiple comparison of machine learning regression algorithms
    Autorzy:
    Trawiński, B.
    Smętek, M.
    Telec, Z.
    Lasota, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/331296.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    maszyna ucząca się
    test statystyczny nieparametryczny
    regresja statystyczna
    sieć neuronowa
    wielokrotne testy porównawcze
    machine learning
    nonparametric statistical tests
    statistical regression
    neural network
    multiple comparison tests
    Opis:
    In the paper we present some guidelines for the application of nonparametric statistical tests and post-hoc procedures devised to perform multiple comparisons of machine learning algorithms. We emphasize that it is necessary to distinguish between pairwise and multiple comparison tests. We show that the pairwise Wilcoxon test, when employed to multiple comparisons, will lead to overoptimistic conclusions. We carry out intensive normality examination employing ten different tests showing that the output of machine learning algorithms for regression problems does not satisfy normality requirements. We conduct experiments on nonparametric statistical tests and post-hoc procedures designed for multiple 1 x N and N x N comparisons with six different neural regression algorithms over 29 benchmark regression data sets. Our investigation proves the usefulness and strength of multiple comparison statistical procedures to analyse and select machine learning algorithms.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 867-881
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-12 z 12

      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