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 "Metoda najbliższych sąsiadów" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Problem zmiennych zakłócających w agregowanych klasyfikatorach kNN
    Autorzy:
    Kubus, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/581356.pdf
    Data publikacji:
    2017
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    podejście wielomodelowe
    metoda k najbliższych sąsiadów
    selekcja zmiennych
    Opis:
    Podejście wielomodelowe w dyskryminacji i regresji zyskało duże uznanie ze względu na poprawę stabilności modeli oraz ich dokładności przewidywań. Agregowanie klasyfikatorów k najbliższych sąsiadów (kNN) napotyka jednak poważne problemy. Metoda kNN, wykorzystująca w klasyfikacji wyłącznie odległości między obiektami, jest względnie stabilna, przez co zróżnicowanie klasyfikatorów bazowych można osiągnąć, jedynie wybierając różne podprzestrzenie. Tu z kolei napotykamy problem zmiennych zakłócających (noisy variables), to jest takich, które nie mają wpływu na zmienną objaśnianą, a które w metodzie kNN znacznie obniżają dokładność klasyfikacji. W artykule dokonano przeglądu zaproponowanych w literaturze metod agregowania klasyfikatorów kNN oraz zweryfikowano je z własną propozycją algorytmu. W badaniach wykorzystano zbiory danych rzeczywistych z dołączonymi zmiennymi zakłócającymi.
    Źródło:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2017, 468; 116-126
    1899-3192
    Pojawia się w:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ liczby „najbliższych sąsiadów” na dokładność prognoz ekonomicznych szeregów czasowych
    Effect of the number of “nearest neighbors” on the accuracy of economic time series forecasts
    Autorzy:
    Miśkiewicz-Nawrocka, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/591526.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Metoda najbliższych sąsiadów
    Prognozowanie szeregów czasowych
    Rekonstrukcja przestrzeni stanów
    State space reconstruction
    The nearest neighbors method
    Time series forecasting
    Opis:
    Metoda najbliższych sąsiadów jest jedną z metod prognozowania szeregów czasowych. W metodzie tej, prognozę (N+1)-go elementu ˆN+1 x szacuje się jako średnią ważoną obserwacji xi+1, gdzie wektory d i x są k najbliższymi sąsiadami wektora d N x w zrekonstruowanej d-wymiarowej przestrzeni stanów. Istotnym problemem podczas stosowania tej metody jest wyznaczenie prawidłowej liczby najbliższych sąsiadów, która powinna być brana pod uwagę przy wyznaczaniu prognoz. Głównym celem artykułu jest zbadanie wpływu liczby najbliższych sąsiadów na dokładność prognoz ekonomicznych szeregów czasowych. Badania zostały przeprowadzone w oparciu o wybrane finansowe szeregi czasowe.
    One of time series forecasting method is the nearest neighbors method. In this method, the forecast for (N+1)-th element ˆN +1 x is estimated as a weighted average of observations i+1 x , where the vectors d i x are k nearest neighbors of vector d N x in the reconstructed d-dimensional state space. An important problem when using nearest neighbors method is to determine the correct number of nearest neighbors, that should be taken into account in the determination of forecasts. The aim of the article will be to research the effect of the number of nearest neighbors on the accuracy of economic time series forecasts. The test will be conducted on the basis of selected financial time series.
    Źródło:
    Studia Ekonomiczne; 2016, 295; 60-69
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predykcja poziomu tlenu w piecu EAF z wykorzystaniem metod sztucznej inteligencji : regresji liniowej i metody najblizszych sąsiadów (k-NN)
    Autorzy:
    Drzewiecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/109148.pdf
    Data publikacji:
    2013
    Wydawca:
    AXIS MEDIA
    Tematy:
    predykcja poziomu tlenu
    piec EAF
    sztuczna inteligencja
    regresja liniowa
    metoda k najbliższych sąsiadów
    Opis:
    W obecnych czasach ludzki intelekt zaczyna zastępować sztuczna inteligencja i związane z nią metody predykcji, czyli przewidywania, na podstawie zgromadzonych wcześniej danych. Nie ma firmy, która by nie starała się przewidzieć swoich potencjalnych zysków np na podstawie różnych danych statystycznych ustalając jednocześnie, który czynnik ma największy wpływ na rozwój firmy. Z tych przyczyn również sztuczna inteligencja znalazła zastosowanie w różnych dziedzinach przemysłu ,gdzie nawet najdrobniejsza poprawa parametrów procesu może powodować znaczne obniżenie kosztów produkcji i wpłynąć bezpośrednio na wzrost konkurencyjności firmy na rynku. Niniejsze opracowanie ma na celu przedstawienie metod sztucznej inteligencje pozwalające na analizę wpływu parametrów procesu stalowniczego na stopień aktywności tlenu, przy użyciu regresji linowej, nieliniowej i nieparametrycznej a następnie na wyborze najlepszego modelu a następnie porównanie ich.
    Źródło:
    Piece Przemysłowe & Kotły; 2013, 1-2; 30-37
    2082-9833
    Pojawia się w:
    Piece Przemysłowe & Kotły
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ metody redukcji szumu losowego na dokładność prognoz ekonomicznych szeregów czasowych
    The Effect of Random Noise Reduction Method on the Accuracy of Forecasting Economic Time Series
    Autorzy:
    Miśkiewicz-Nawrocka, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/593330.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Lapunow wykładnik
    Metoda najbliższych sąsiadów
    Największy wykładnik
    Prognozowanie za pomocą największego wykładnika lapunowa
    Redukcja szumu losowego
    Współczynnik NRL
    Lyapunov exponent method of prediction
    Nearest neighbor method
    NRL indicator largest Lyapunov exponent
    Random noise reduction
    State space reconstruction
    Opis:
    Od momentu pojawienia się w literaturze pojęcia deterministycznego chaosu można zaobserwować ogromny wzrost zainteresowania wielu badaczy teorią nieliniowych układów dynamicznych. Owo zainteresowanie zaowocowało pojawieniem się nowych metod predykcji szeregów czasowych, tj. metody największego wykładnika Lapunowa oraz metody najbliższych sąsiadów. Rzeczywiste szeregi czasowe są zwykle zaburzone przez szum losowy, który może komplikować problem ich prognozowania. Obecność szumu w danych może znacząco wpływać na jakość otrzymanych prognoz, dlatego głównym celem artykułu będzie ocena dokładności prognozowania szeregów czasowych poddanych procesowi redukcji szumu losowego oraz ocena efektywoności wybranej metody redukcji.
    Since the deterministic chaos appeared in the literature, we have observed a huge increase of interest in nonlinear dynamic systems theory among researchers. This interest has led to the creation of new methods of time series prediction, e.g. the method of the largest Lyapunov exponent and the nearest neighbors. Real time series are usually distributed by random noise, which can complicate the problem of time series forecasting. As the presence of noise in the data can significantly affect the quality of forecasts, the aim of the article is to evaluate the accuracy of predicting the time series filtered using the nearest neighbor method and the effectiveness of the chosen method of reduction.
    Źródło:
    Studia Ekonomiczne; 2015, 227; 41-58
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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