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 1-15 z 19
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:
O odporności na obserwacje odstające wybranych nieparametrycznych modeli regresji
Robustness for outliers of selected nonparametric regression models
Autorzy:
Trzęsiok, Joanna
Powiązania:
https://bibliotekanauki.pl/articles/587772.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Obserwacje odstające
Odporność
Regresja nieparametryczna
Nonparametric regression
Outliers
Robust
Opis:
Artykuł jest poświęcony 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 rzeczywistym zbiorze danych Mieszkania, w którym wykryto obserwacje odstające. Pomimo dosyć powszechnych przekonań o odporności regresji nieparametrycznej, okazało się, że modele zbudowane na całym zbiorze danych mają istotnie mniejsze zdolności predykcyjne niż modele uzyskane na zbiorze, z którego usunięto obserwacje nietypowe.
The paper presents an important problem of robustness for outliers in regression. In the first part selected outliers detection techniques are described. Moreover, we empirically examine the robustness of the following methods: PPR, POLYMARS and RANDOM FORESTS on real world dataset. We show, that after removing outliers the prediction abilities of the models increase.
Źródło:
Studia Ekonomiczne; 2015, 227; 75-84
2083-8611
Pojawia się w:
Studia Ekonomiczne
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:
O interpretacji nieparametrycznych modeli regresyjnych
Parametric Interpretation of Non-Parametric Regression Models
Autorzy:
Stelmach, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/588048.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Metoda Monte Carlo
Modele regresji
Regresja nieparametryczna
Monte Carlo method
Nonparametric regression Regression models
Opis:
The advantage of the parametric regression models is the possibility of interpretation of the parameters of the regression model, i.e. to determine the direction and strength of the influence of predictors on the dependent variable. Unfortunately, in practice - the nonlinearity of the real processes, the influence of the phenomena with various probability distributions and a small number of observations limits the building of parametric models while the interpretation of non-parametric models is either impossible or very limited. Frequently such interpretation is useful in the specified range of variation. This may be a typical range of variation - for example, between the second and third quartiles, or a specific range due to the nature of the modeled phenomenon or process. It is difficult however, to build parametric models based only on the range of explanatory variables, because in this way we exclude observations giving additional knowledge into the model. The essence of this study is to enable the interpretation of non-parametric models through the creation of additional observations with these models in an interesting range of explanatory variables. These observations create secondary dataset used for the construction of a parametric model, which can now be interpreted. Presented investigations compare - using simulation - parametric models created for secondary sample with parametric models calculated for the original data.
Źródło:
Studia Ekonomiczne; 2014, 203; 154-162
2083-8611
Pojawia się w:
Studia Ekonomiczne
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:
Wykorzystanie regresji nieparametrycznej do modelowania wielkości oszczędności gospodarstw domowych
Nonparametric Regression Applied to Modelling Household Savings
Autorzy:
Trzęsiok, Joanna
Powiązania:
https://bibliotekanauki.pl/articles/591136.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Badania empiryczne
Oszczędności gospodarstw domowych
Regresja nieparametryczna
Empirical researches
Household savings
Nonparametric regression
Opis:
In the paper the procedure for selecting the best nonparametric model for a given problem of regression is presented. This procedure has two stages. In the first one, many nonparametric models of regression, for different parameters settings, are built. Then the model with the smallest mean squared error is chosen. In the second stage, the method for the reduction of insignificant predictors is used. This procedure is applied to modelling household savings.
Źródło:
Studia Ekonomiczne; 2013, 159; 99-108
2083-8611
Pojawia się w:
Studia Ekonomiczne
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:
Wybrane aspekty nieparametrycznego prognozowania nieliniowych szeregów czasowych
Several Aspects of Nonparametric Prediction of Nonlinear Time Series
Autorzy:
Orzeszko, Witold
Powiązania:
https://bibliotekanauki.pl/articles/964958.pdf
Data publikacji:
2018
Wydawca:
Główny Urząd Statystyczny
Tematy:
regresja nieparametryczna
nieparametryczne prognozowanie
metody jądrowe
nieliniowe szeregi czasowe
analiza Monte Carlo
nonparametric regression
nonparametric forecasting
kernel
smoothers
nonlinear time series
monte carlo study
Opis:
Regresja nieparametryczna stanowi obiecujące, lecz jednocześnie wciąż niedoceniane podejście do modelowania finansowych i ekonomicznych szeregów czasowych. Polega ona na konstrukcji modeli nieparametrycznych, w których zależność pomiędzy zmiennymi nie jest wyrażona w postaci funkcji o określonej postaci analitycznej lub parametry charakteryzujące tę zależność należą do przestrzeni nieskończenie wymiarowej. W przeciwieństwie do modeli parametrycznych, modele nieparametryczne nie są ograniczone do określonej z góry postaci, lecz pozwalają „mówić danym samym za siebie”. Z tego względu wydają się interesującym narzędziem prognozowania zwłaszcza w przypadku nieliniowych szeregów czasowych. W zakresie nieparametrycznych metod regresji na szczególną uwagę zasługują estymatory, które w swojej konstrukcji wykorzystują funkcje jądrowe. Spośród nich najczęściej stosowanym jest estymator Nadarai-Watsona, choć obecnie znane są pewne rozwinięcia tego podejścia. Jednym z nich jest Lokalna Jądrowa Regresja Liniowa, będąca połączeniem estymacji jądrowej i lokalnej aproksymacji liniowej. W pracy przeprowadzono symulacje Monte Carlo, mające na celu ocenę przydatności metod regresji jądrowej do prognozowania nieliniowych szeregów czasowych i porównanie ich z innymi metodami prognozowania.
Nonparametric regression is an alternative to the parametric approach, which consists of applying parametric models, i.e. models of the certain functional form with a fixed number of parameters. As opposed to the parametric approach, nonparametric models have a general form, which can be approximated increasingly precisely when the sample size grows. Hereby they do not impose such restricted assumptions about the form of the modelling dependencies and in consequence, they are more flexible and let the data speak for themselves. That is why they are a promising tool for forecasting, especially in case of nonlinear time series. One of the most popular nonparametric regression method is the NadarayaWatson kernel smoothing. Nowadays, there are a number of variations of this method, like the local-linear kernel estimator, which combines the local linear approximation and the kernel estimator. In the paper a Monte Carlo study is conducted in order to assess the usefulness of the kernel smoothers to nonlinear time series forecasting and to compare them with the other techniques of forecasting.
Źródło:
Przegląd Statystyczny; 2018, 65, 1; 7-24
0033-2372
Pojawia się w:
Przegląd Statystyczny
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
Wyświetlanie 1-15 z 19

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