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 "Parzen kernel" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Probabilistyczna ocena niezawodności systemu sieci infrastruktury z zastosowaniem estymacji jądrowej i w warunkach luki pomiarowej
    Probabilistic Assessment of the Reliability of the Network System Infrastructure Using the Kernel Estimation and in Conditions of the Measuring Gap
    Autorzy:
    Feluch, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/136486.pdf
    Data publikacji:
    2014
    Wydawca:
    Szkoła Główna Służby Pożarniczej
    Tematy:
    sieć wodociągowa
    luka pomiarowa
    niezawodność
    estymacja jądrowa
    estymator Parzena
    water supply network
    gap measurement
    reliability
    kernel estimation
    Parzen estimator
    Opis:
    W artykule przedstawiono probabilistyczną metodę oceny niezawodności w warunkach luki pomiarowej związanej z brakiem danych dotyczących awaryjności w długim okresie funkcjonowania sieci infrastruktury. Wykorzystano dane awaryjności magistral sieci wodociągowej. Zastosowano podejście nieparametryczne w postaci estymacji jądrowej z wykorzystaniem estymatora Parzena.
    The article presents the probabilistic method for assessing the reliability of the measurement gap in conditions associated with a lack of data relating to failure in the long term operation of the network infrastructure. Data of the water main supply network failure was used. Nonparametric approach was applied in the form of nuclear estimation using the Parzen estimator.
    Źródło:
    Zeszyty Naukowe SGSP / Szkoła Główna Służby Pożarniczej; 2014, 1, 49; 19-34
    0239-5223
    Pojawia się w:
    Zeszyty Naukowe SGSP / Szkoła Główna Służby Pożarniczej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regression function and noise variance tracking methods for data streams with concept drift
    Autorzy:
    Jaworski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/329716.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    data stream
    concept drift
    Parzen kernel
    regression function
    variance estimation
    strumień danych
    funkcja regresji
    estymacja wariancji
    Opis:
    Two types of heuristic estimators based on Parzen kernels are presented. They are able to estimate the regression function in an incremental manner. The estimators apply two techniques commonly used in concept-drifting data streams, i.e., the forgetting factor and the sliding window. The methods are applicable for models in which both the function and the noise variance change over time. Although nonparametric methods based on Parzen kernels were previously successfully applied in the literature to online regression function estimation, the problem of estimating the variance of noise was generally neglected. It is sometimes of profound interest to know the variance of the signal considered, e.g., in economics, but it can also be used for determining confidence intervals in the estimation of the regression function, as well as while evaluating the goodness of fit and in controlling the amount of smoothing. The present paper addresses this issue. Specifically, variance estimators are proposed which are able to deal with concept drifting data by applying a sliding window and a forgetting factor, respectively. A number of conducted numerical experiments proved that the proposed methods perform satisfactorily well in estimating both the regression function and the variance of the noise.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2018, 28, 3; 559-567
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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