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 "Regressive model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Forecasting GDP growth rate in Ukraine with alternative models
    Autorzy:
    Karayuz, I
    Bidyuk, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/118047.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    Regressive model
    Bayesian network
    short-term forecasting
    GDP of Ukraine
    Opis:
    The problem of constructing mathematical model for short-term fore-casting of GDP is considered. First, extended autoregression is constru-cted that takes two additional independent variables into consideration. The model resulted provides a possibility for generating short-term forecasts of GDP though not of high quality. Another model was constructed in the form of a Bayesian network. The model turned out to be better than the multiple regression, it provides quite good estimates for probabilities of GDP growth direction.
    Źródło:
    Applied Computer Science; 2015, 11, 3; 88-97
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie modeli GRNN utworzonych z wykorzystaniem modułów sieci neuronowych pakietów MATLAB i STATISTICA
    Comparison of the GRNN models developed by using neural network moduli of the MATLAB and STATISTICA packets
    Autorzy:
    Białobrzewski, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/287990.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    model regresyjny
    sieci neuronowe GRNN
    MATLAB
    Statistica
    regressive model
    GRNN neural networks
    Opis:
    Przedstawiono wyniki badań wpływu modeli GRNN, utworzonych z wykorzystaniem modułów Sieci Neuronowych pakietów MATLAB i STATISTICA, na dokładność estymacji wartości temperatury powietrza atmosferycznego. Stwierdzono, że model neuronowy GRNN, powstały na bazie Toolbox Neural Networks v.4 pakietu MATLAB, lepiej aproksymuje temperaturę powietrza atmosferycznego niż modele powstałe na bazie modułu Neural Networks pakietu STATISTICA 6.1. Wśród modeli GRNN powstałych na bazie modułu Neural Networks pakietu STATISTICA 6.1 uzyskano lepszą aproksymuję temperatury powietrza atmosferycznego, wykorzystując dostępne opcje funkcji związanych z modułem Projektant sieci użytkownika.
    The effects of GRNN models, developed by using the neural network moduli of the MATLAB and STATISTICA packets on the accuracy of atmospherical air temperature estimation, were studied. It was stated that the GRNN neural model developed on the basis of Toolbox Neural Network v.4 of the MATLAB packet approximated the temperature of atmospherical air better than the models based on Neural Network modulus of STATISTICA 6.1 packet. Among the GRNN models developed on the basis of Neural Network modulus of STATISTICA 6.1 packet, the better approximation of air temperature was obtained by using available options of the functions bound to modulus of the “User’s network designer …”
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 15-22
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The condition of economies. Do most valuable global brands matter?
    Autorzy:
    Flisikowski, Karol
    Kucharska, Wioleta
    Powiązania:
    https://bibliotekanauki.pl/articles/22446557.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Badań Gospodarczych
    Tematy:
    GDP
    brand value
    spatial regression
    spatial cross-regressive model
    spatial statistics
    country of brand origin
    Opis:
    Research background: Brands are considered to be the most valuable asset of a company. Some of them achieve spectacular global results. The significance of global brands is proved by the fact that their value is often greater than the sum of all company's net assets. Purpose of the article: The aim of this article is to highlight that brand value does not only create company's value, but also leverages economies. The Authors claim that even though global brands are sold worldwide and are a part of 'global factories', they strongly relate to the development of economies in the countries where these brands' headquarters are located. Methods: Based on 500 Brandirectory, the Most Valuable Global Brands ranking powered by Brand Finance, an analysis of spatial autocorrelation of brand values, GDP per capita was performed and also the interdependency between them was illustrated with the use of the spatial cross-regressive model (SCM). The SCM approach allowed us to include spatial effects of brand values into the final form of the estimated equation. The empirical analysis was performed for 33 countries in 2014. Findings & Value added: Findings confirm the hypothesis that there is a highly statistically significant relationship between brand value and GDP per capita and, what's more, it is observed that spatial dependencies matter for brand values. The evidence is based on the results of spatial cross-regressive model (SCM).
    Źródło:
    Equilibrium. Quarterly Journal of Economics and Economic Policy; 2018, 13, 2; 251-264
    1689-765X
    2353-3293
    Pojawia się w:
    Equilibrium. Quarterly Journal of Economics and Economic Policy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Instantaneous Frequency Estimation of Multi-Component Non- Stationary Signals using Fourier Bessel series and Time-Varying Auto Regressive Model
    Autorzy:
    Ravi Shankar Reddy, G.
    Rao, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/226382.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    basis functions
    Fourier-Bessel expansion
    instantaneous frequency
    multi component non stationary signal
    Time-varying Auto Regressive model
    Opis:
    In this paper, we propose a novel technique for Instantaneous frequency (IF) estimation of multi component non stationary signals using Fourier Bessel Series and Time-Varying Auto Regressive (FB-TVAR) model. In the proposed technique, the Fourier-Bessel (FB) expansion decomposes the multicomponent non stationary signal into a number of monocomponent signals and TVAR model is used to model each monocomponent signal. In TVAR modeling approach the time varying parameters are expanded as a linear combination of basis functions. In this paper, the TVAR parameters are expanded by a discrete cosine basis functions. The maximum likelihood estimation algorithm for model order selection in TVAR models is also discussed. The Instantaneous frequency (IF) is extracted from the time-varying parameters by calculating the angles of the estimation error filter polynomial roots. The estimation of the TVAR parameters of a multicomponent signal requires the inversion of a large covariance matrix, while the projected technique (FB-TVAR) requires the inversion of a number of comparatively small covariance matrices with better numerical stability properties. Simulation results are presented for three component discrete Amplitude and Frequency modulated (AM-FM)signal.
    Źródło:
    International Journal of Electronics and Telecommunications; 2015, 61, 4; 365-376
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hydro-sedimentary flow modelling in some catchments Constantine highlands, case of Wadis Soultez and Reboa (Algeria)
    Modelowanie hydrologicznego przepływu i transportu osadu w wybranych zlewniach wyżyny Konstantyny, przykład epizodycznych rzek Soultez i Reboa (Algieria)
    Autorzy:
    Balla, F.
    Kabouche, N.
    Khanchoul, K.
    Bouguerra, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/293005.pdf
    Data publikacji:
    2017
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    accelerating
    regressive model
    sediment transport
    Wadi Reboa
    Wadi Soultez
    water discharge
    water erosion
    erozja wodna
    model regresji
    natężenie przepływu
    odpływ wody
    rzeka Reboa
    rzeka Soultez
    transport osadów
    Opis:
    Erosion is a major phenomenon that causes damage not only to soil and agriculture, but also to the quality of the water amounting to tonnes of matter annually transported on the earth's surface. This fact has attracted the interest of researchers to understand its mechanism and explain its causes and consequences. This work is a comparative study of water erosion in the two semi-arid catchments of Wadi Soultez and Wadi Reboa; located in the North-East of Algeria. The approach adopted for the quantification of sediment transport consists on researching the best regressive model to represent the statistical relation between the sediment yield and the measured water discharge at different scales: annual, seasonal and monthly. The available data cover 27 years from 1985–2012. The results show that the power model has given the best correlation coefficient. Results have indicated that Wadi Reboa transported an average of 14.66 hm3 of water and 0.25 million tonnes of sediments annually. While Wadi Soultez has transported 4.2 hm3 of water and 0.11 million tonnes of sediments annually. At a seasonal scale, sediment amounts have showed significant water erosion in autumn with around 44% and secondarily in the spring with 29% in Wadi Soultez. Unlike Wadi Reboa, sediment transport represents 32% and 46% in autumn and spring respectively. Based on the obtained sediment amounts; it is found that the physical factors: such as steep reliefs, vulnerable lithological nature of rocks and poor vegetal cover, have significantly contributed in accelerating soil erosion.
    Erozja jest głównym czynnikiem, który nie tylko przynosi szkody w rolnictwie (ubytki gleb), ale także obniża jakość wód powierzchniowych wskutek transportu wielkiej ilości materii niesionych rocznie w skali całego świata. Zjawisko to przykuwało uwagę badaczy, którzy pragnęli poznać mechanizm erozji oraz jej przyczyny i skutki. Przedstawiona praca jest porównawczym studium erozji wodnej półpustynnych zlewni dwóch epizodycznych rzek – Soultez i Reboa w północnowschodniej Algierii. Podejście do ilościowego ujęcia transportu osadów polegało na znalezieniu najlepszego modelu regresji między transportem osadu a mierzonym odpływem wody w skali rocznej, sezonowej i miesięcznej. Dostępne dane obejmują 27 lat – od 1985 do 2012. Najlepszy współczynnik korelacji uzyskano, stosując model potęgowy. Wyniki wskazują, że Reboa transportowała średnio 14,66 hm3 wody i 0,25 mln t osadu rocznie, podczas gdy transport rzeki Soultez wynosił 4,2 hm3 wody i 0,11 mln t osadu rocznie. W ciągu roku największe ilości osadu rzeka Soultez transportowała jesienią (44%) i wiosną (29%), natomiast największy transport osadu w rzece Reboa odnotowano wiosną (46%), a mniejszy jesienią (32%). Na podstawie uzyskanych danych o transporcie osadów stwierdzono, że czynniki fizyczne, takie jak głęboka rzeźba terenu, litologiczny charakter skał podatnych na erozję i uboga pokrywa roślinna przyczyniają się znacząco do zwiększonej erozji gleb.
    Źródło:
    Journal of Water and Land Development; 2017, 34; 21-32
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Feedforward neural networks and the forecasting of multi-sectional demand for telecom services: a comparative study of effectiveness for hourly data
    Jednokierunkowe sieci neuronowe w prognozowaniu wieloprzekrojowego popytu na usługi telefoniczne – porównawcze badania efektywności dla danych godzinowych
    Autorzy:
    Kaczmarczyk, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/2117264.pdf
    Data publikacji:
    2020
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    Prediction System
    feedforward neural network
    regressive-neural model
    forecasting
    jednokierunkowa sieć neuronowa
    model regresyjno-neuronowy
    prognozowanie
    system prognostyczny
    Opis:
    The presented research focuses on the construction of a model to effectively forecast demand for connection services – it is thus relevant to the Prediction System (PS) of telecom operators. The article contains results of comparative studies regarding the effectiveness of neural network models and regressive-neural (integrated) models, in terms of their short-term forecasting abilities for multi-sectional demand of telecom services. The feedforward neural network was used as the neural network model. A regressive-neural model was constructed by fusing the dichotomous linear regression of multi-sectional demand and the feedforward neural network that was used to model the residuals of the regression model (i.e. the residual variability). The response variable was the hourly counted seconds of outgoing calls within the framework of the selected operator network. The calls were analysed within: type of 24 hours (e.g. weekday/weekend), connection categories, and subscriber groups. For both compared models 35 explanatory variables were specified and used in the estimation process. The results show that the regressive-neural model is characterised by higher approximation and predictive capabilities than the non-integrated neural model.
    Zaprezentowane wyniki badań są związane z systemem prognostycznym przeznaczonym dla operatorów telekomunikacyjnych, ponieważ są skoncentrowane na sposobie konstrukcji modelu do efektywnego prognozowania popytu na usługi połączeniowe. Artykuł zawiera wyniki porównawczych badań efektywności modelu sieci neuronowej i modelu regresyjno-neuronowego (zintegrowanego) w zakresie krótkookresowego prognozowania zapotrzebowania na usługi telefoniczne. Jako model sieci neuronowej zastosowany został model sieci jednokierunkowej. Model regresyjno-neuronowy został zbudowany na podstawie połączenia dychotomicznej regresji liniowej wieloprzekrojowego popytu i jednokierunkowej sieci neuronowej, która służyła do modelowania reszt modelu regresji (tj. pozostałej zmienności). Zmienną objaśnianą były sumowane co godzinę liczby sekund rozmów wychodzących z sieci wybranego operatora. Połączenia telefoniczne były analizowane pod względem: typów doby, kategorii połączeń i grup abonentów. Wyszczególniono 35 zmiennych objaśniających, które wykorzystano w procesie estymacji obu porównywanych modeli. Stwierdzono, że model regresyjno-neuronowy charakteryzuje się większymi możliwościami aproksymacyjnymi i predykcyjnymi niż niezintegrowany model neuronowy.
    Źródło:
    Acta Scientiarum Polonorum. Oeconomia; 2020, 19, 3; 13-25
    1644-0757
    Pojawia się w:
    Acta Scientiarum Polonorum. Oeconomia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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