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 "Bayes’ rule" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Songs Recognition Using Audio Information Fusion
    Autorzy:
    Biernacki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/227226.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    acoustic identification
    signal parametrization
    information fusion
    Schur coefficients
    Bayes' rule
    Opis:
    The article presents information fusion approach for song classification with use of acoustic signal. Many acoustic features can contribute to correct identification of a song. Taking into consideration only one set of features may result in omission of relevant information. It is possible to improve the accuracy of identification process by means of the information fusion technique, in which various aspects of acoustic fingerprint are taken into consideration. Two sets of signal features were distinguished: one were based on frequency analysis (harmonic elements) and the other were based on multidimensional correlation ratios. An identification of a commercial was made with use of SVM and k-NN classifiers. The music audio signal database was used for assessing the effectiveness of the proposed solution. Results show an improved effectiveness of identification in relation to applying only one set of song features.
    Źródło:
    International Journal of Electronics and Telecommunications; 2015, 61, 1; 37-41
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Case of fuzzy loss function in multistage recognition algorithm
    Autorzy:
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/333187.pdf
    Data publikacji:
    2003
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    wielostopniowe rozpoznawanie wzorców
    rozmyta utrata funkcji
    zasada Bajesowska
    multistage pattern recognition
    fuzzy loss function
    Bayes' rule
    Opis:
    The work deals with a recognition problem using a probabilistic-fuzzy model and multistage decision logic. A case where a loss function is described using fuzzy numbers has been considered. The globally optimal Bayes strategy has been calculated for this case with stage-dependent and dependent on the node of the decision tree fuzzy loss function. The obtained result is illustrated by a calculation example in which some methods for ranking fuzzy numbers were used.
    Źródło:
    Journal of Medical Informatics & Technologies; 2003, 5; MI107-112
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dowodzenie hipotez za pomocą zzynnika bayesowskiego (bayes factor): przykłady użycia w badaniach empirycznych
    Autorzy:
    Domurat, Artur
    Białek, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/1198708.pdf
    Data publikacji:
    2016
    Wydawca:
    Akademia Leona Koźmińskiego w Warszawie
    Tematy:
    statistical inference
    null hypothesis testing
    Bayes Factor
    p-value
    Bayes’ rule
    wnioskowanie statystyczne
    testowanie hipotezy zerowej
    reguła Bayesa
    czynnik bayesowski
    wartość p
    Opis:
    Testów statystycznych używa się w nauce po to, żeby wesprzeć zaproponowane hipotezy badawcze (teorie, modele itp.). Czynnik bayesowski (Bayes Factor, BF) jest metodą bezpośrednio wskazującą tę z dwóch hipotez, która lepiej wyjaśnia uzyskane dane. Jego wykorzystanie we wnioskowaniu statystycznym prowadzi do jednego z trzech wniosków: albo badanie bardziej wspiera hipotezę zerową, albo alternatywną, albo wyniki nie wspierają żadnej w sposób rozstrzygający i są niekonkluzywne. Symetria tych wniosków jest przewagą metody czynnika bayesowskiego nad testami istotności. W powszechnie używanych testach istotności nie formułuje się wniosków wprost, lecz albo się odrzuca hipotezę zerową, albo się jej nie odrzuca. Rozdźwięk między taką decyzją a potrzebami badacza często jest powodem nadinterpretacji wyników testów statystycznych. W szczególności wyniki nieistotne statystycznie są często nadinterpretowane jako dowód braku różnic międzygrupowych lub niezależności zmiennych.W naszej pracy omawiamy założenia teoretyczne metody BF, w tym różnice między bayesowskim a częstościowym rozumieniem prawdopodobieństwa. Przedstawiamy sposób weryfi kacji hipotez i formułowania wniosków według podejścia bayesowskiego. Do jego zalet należy m.in. możliwość gromadzenia dowodów na rzecz hipotezy zerowej. Wykorzystanie metody w praktyce ilustrujemy przykładami bayesowskiej reinterpretacji wyników kilku opublikowanych badań empirycznych, w których wykonywano tradycyjne testy istotności. Do obliczeń wykorzystaliśmy darmowy program JASP 0.8, specjalnie dedykowany bayesowskiej weryfi kacji hipotez statystycznych.
    Statistical tests are used in science in order to support research hypotheses (theory, model). The Bayes Factor (BF) is a method that weighs evidence and shows which out of two hypotheses is better supported. Adopting the BF in statistical inference, we can show whether data provided stronger support for the null hypothesis, the alternative hypothesis or whether it is inconclusive and more data needs to be collected to provide more decisive evidence. Such a symmetry in interpretation is an advantage of the Bayes Factor over classical null hypothesis significance testing (NHST). Using NHST, a researcher draws conclusions indirectly, by rejecting or not rejecting the null hypothesis. The discrepancy between these decisions and the researcher’s needs, often leads to misinterpretation of significance test results, e.g. by concluding that non-significant p-values are evidence for the absence of differences between groups or that variables are independent. In this work we show the main differences between the Bayesian and the frequential approach to the understanding of probability and statistical inference. We demonstrate how to verify hypotheses using the BF in practice and provide concrete examples of how it modifies conclusions about empirical findings based on the NHST procedure and the interpretation of p-values. We discuss the advantages of the BF – particularly the validation of a null hypothesis. Additionally, we provide some guidelines on how to do Bayesian statistics using the freeware statistical program JASP 0.8.
    Źródło:
    Decyzje; 2016, 26; 109-141
    1733-0092
    2391-761X
    Pojawia się w:
    Decyzje
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bayes sharpening of imprecise information
    Autorzy:
    Kulczycki, B.
    Charytanowicz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/908526.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    informacja niepewna
    współczynnik kondycji
    estymator jądrowy
    funkcja strat
    obliczenia numerycze
    imprecise information
    sharpening
    conditioning factors
    kernel estimators
    Bayes decision rule
    nonsymmetrical loss function
    numerical calculations
    Opis:
    A complete algorithm is presented for the sharpening of imprecise information, based on the methodology of kernel estimators and the Bayes decision rule, including conditioning factors. The use of the Bayes rule with a nonsymmetrical loss function enables the inclusion of different results of an under- and overestimation of a sharp value (real number), as well as minimizing potential losses. A conditional approach allows to obtain a more precise result thanks to using information entered as the assumed (e.g. current) values of conditioning factors of continuous and/or binary types. The nonparametric methodology of statistical kernel estimators freed the investigated procedure from arbitrary assumptions concerning the forms of distributions characterizing both imprecise information and conditioning random variables. The concept presented here is universal and can be applied in a wide range of tasks in contemporary engineering, economics, and medicine.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2005, 15, 3; 393-404
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Data analysis and flow graphs
    Autorzy:
    Pawlak, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/308986.pdf
    Data publikacji:
    2004
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    data mining
    data independence
    flow graph
    Bayes' rule
    Opis:
    In this paper we present a new approach to data analysis based on flow distribution study in a flow network. Branches of the flow graph are interpreted as decision rules, whereas the flow graph is supposed to describe a decision algorithm. We propose to model decision processes as flow graphs and analyze decisions in terms of flow spreading in the graph.
    Źródło:
    Journal of Telecommunications and Information Technology; 2004, 3; 18-22
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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