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 "Ukryte modele" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    Using hidden Markov models in signature recognition process
    Autorzy:
    Doroz, R.
    Wróbel, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/333622.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie podpisu
    ukryte modele Markowa
    signature recognition
    hidden Markov models
    Opis:
    This paper presents a method of recognition of handwritten signatures with the use of Hidden Markov Models (HMM). The method in question consists in describing each signature with a sequence of symbols. Sequences of symbols were generated on the basis of an analysis of local extremes determined on diagrams of dynamic features of signatures. For this purpose, the method proposed by G.K. Gupta and R.C. Joyce has been modified. The determined sequences were then used as input data for the HMM method. The studies were conducted with the use of the SVC2004 database. The results are competitive in relation to other methods known from the literature.
    Źródło:
    Journal of Medical Informatics & Technologies; 2012, 21; 75-84
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Latent Variable Models – Issues on Measurement and Finding Exact Constructs in Customers’ Values
    Modele zmiennych ukrytych – rozważania nad pomiarem i generowaniem konstruktów w sferze wartości konsumentów
    Autorzy:
    Tarka, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/1830325.pdf
    Data publikacji:
    2010-12-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    latent models
    constructs
    customers’ values
    Ukryte modele
    konstrukty
    wartości konsumentów
    Opis:
    In article author defines different measurement latent models and describes specify of measurement latent constructs. In literature some examples of these models are: the “true – score” model of classical test theory, the “domain score” model, item response model, factor analysis and latent class models. This work also presents method of estimation that should be undertaken in the identification process of latent constructs. Some aspects related with adjustments in the measurement model depending on distance between respondent and their responses, are also discussed. Author describes them from the prospect of 1) distance between respondent and response on the construct (variable) map; 2) distance between different responses on the construct map and 3) difference between different respondents. Next going on to further description, author considers two types of models based on metrical items characteristics: EFA and CFA. In the exploratory factor analysis as a key latent variable model in constructs detection and their formulation is defined where 4 latent constructs are extracted. These four detected constructs (based on earlier set of 22 value items) were given the following names: “Conservatism”, “Freedom-Independence”, “Hedonistic Consumerism”, and “Life Sensitiveness”. Secondly there is implemented CFA model which reduces number of value items from 22 to 14, containing only two latent constructs called “Conservatism” and “HedonisticConsumerism”. Additionally those constructs were in the end, described with selected AIOD variables where MDS was applied. And at last constructs were defined in context of their utility for marketing activity.
    W artykule autor wymienia i opisuje różne typy modeli pomiarowych w zakresie tzw. zmiennych ukrytych. W pracy rozważa on także metodę i technikę analizy wyników w ramach identyfikacji ww. zmiennych (w literaturze występujących m.in. pod nazwą „konstruktów”). W niniejszej pracy omawiane są również zagadnienia związane z identyfikacją tego typu zmiennych z perspektywy poziomu pomiaru tj.: 1) odległości pomiędzy respondentami i ich odpowiedziami na tzw. mapie konstruktu (zmiennej); 2) odległości pomiędzy samymi odpowiedziami na mapie i 3) badaniu różnic pomiędzy respondentami. Dalsza część artykułu skoncentrowana jest na opisie dwóch klasycznych modeli analizy zmiennych ukrytych, opartych m.in. na metrycznych cechach pomiarowych: EFA (Eksploracyjnej Analizie Czynnikowej) i CFA (Konfirmacyjnej Analizie Czynnikowej). W pierwszej kolejności rozważana jest eksploracyjna analiza czynnikowa, którą to autor wykorzystuje do identyfikacji i opisu konstruktów (wartości konsumentów). W wyniku tej aplikacji (na podstawie 22 włączonych do analizy pozycji i ich wyników zgromadzonych z wcześniejszych przeprowadzonych badań empirycznych), wygenerowano wstępnie 4 konstrukty, którym nadano następujące nazwy: „Konserwatyzm”, „Wolność”, „Hedonistyczny konsumeryzm” i „Wrażliwość życiowa” – inaczej „Wrażliwość na otoczenie”. Następnie autor tworzy modeli CFA, gdzie redukuje liczbę zmiennych z 22 do 14 i ostatecznie tworzy 2 konstrukty: „Konserwatyzm” i „Hedonizm konsumpcyjny”. Na końcu artykułu, wyodrębnione konstrukty opisano na wybranych zmiennych z modelu AIOD, stosując do tego celu skalowanie wielowymiarowe. Konstrukty omówiono również w kontekście działalności marketingowej przedsiębiorstw.
    Źródło:
    Przegląd Statystyczny; 2010, 57, 4; 142-167
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selection of parameters of HMM
    Dobór parametrów HMM
    Autorzy:
    Bobulski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/156099.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    przetwarzanie obrazów
    ukryte modele Markowa
    UMM
    image processing
    hidden Markov models
    HMM
    Opis:
    Hidden Markov models are widely applied in data classification. They are used in many areas. The choice of parameters of HMM is very important because of efficiency of whole identification system. Individual parameters should be matched individually for each system in the experiment way.
    Ukryte modele Markowa (ang. Hidden Markov Models - HMM) są szeroko stosowane do klasyfikacji danych w wielu dziedzinach, np. w biometryce do rozpoznawania twarzy lub głosu, rozpoznawania obrazów i dźwięku. Pozwala to na budowanie skutecznych systemów kontroli dostępu do zasobów oraz systemów identyfikacji/autoryzacji osób. Każde z tych zastosowań wymaga specyficznego podejścia do problemu i odpowiedniego zaprojektowania HMM. Dobór Parametrów HMM jest bardzo ważny ze względu za skuteczność systemu identyfikacji. Poszczególne parametry powinny być dobierane indywidualnie dla każdego systemu w sposób eksperymentalny, a badania powinny być przeprowadzone na reprezentatywnej liczbie wzorców. Najważniejszym problemem w projektowaniu systemów opartych o HMM jest wybór architektury modelu, czyli topologii oraz liczby stanów i obserwacji. Wpływ na te parametry ma złożoność i zróżnicowanie danych- sygnałów wejściowych. W przypadku topologii do dyspozycji mamy modele ergodyczne lub left-right. Natomiast przy doborze liczby stanów i obserwacji uwzględniamy typ sygnału wejściowego. Im bardziej złożony i różnorodny, tym te wartości powinny być większe. Należy jednak pamiętać, że im więcej stanów i obserwacji wybierzemy, tym czas estymacji parametrów i czas testowania wydłuży się wykładniczo. Ponadto istnieje granica, powyżej której system nie będzie wykazywał większej skuteczności.
    Źródło:
    Pomiary Automatyka Kontrola; 2009, R. 55, nr 10, 10; 844-846
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie metod optymalizacyjnych do budowania ukrytych modeli Markowa w analizie danych z mikromacierzy DNA
    Application of optimization methods for hidden Markov models in analysis of DNA microarrays data
    Autorzy:
    Walawender, P.
    Ćmielowski, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/261582.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    mikromacierze DNA
    ukryte modele Markova
    optymalizacja
    DNA microarrays
    hidden Markov models
    optimization
    Opis:
    Techniki mikromacierzy DNA umożliwiły pomiar ekspresji genów i obserwowanie zależności między tkankami z różnych próbek. W artykule omówiono zastosowanie algorytmów opartych na ukrytych modelach Markowa (ang. Hidden Markov Models) do analizy danych z mikromacierzy DNA. Zaprezentowane podejście porównano z innymi, opisanymi w podobnych opracowaniach. Zaproponowane algorytmy składają się z dwóch części: odkrywczej i klasyfikacyjnej. Za pomocą zbioru danych treningowych stworzono uniwersalny klasyfikator, którego efektywność i inne parametry będą mierzone za pomocą danych testowych.
    DNA microarray technologies make possible measurement of genes expression and observation the differences between various tissue samples. The application of hidden Markov models for analyzing DNA microarrays gene expression data, will be reported. A new approach will be compared with similar approaches used in other publications. The proposed algorithms will be composed of two parts: discovery and classification. By means of training data an universal classifier will be created, which efficiency as well as other parameters will be measured by testing data.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2009, 15, 1; 11-13
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod grupowania sekwencji czasowych w rozpoznawaniu mowy na podstawie ukrytych modeli Markowa
    Application of time sequences clustering methods in the speech recognition based on hidden Markov models
    Autorzy:
    Pałys, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/273384.pdf
    Data publikacji:
    2006
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    HMM
    ukryte modele Markowa
    estymacja
    rozpoznawanie mowy
    hidden Markov model
    estimation
    speech recognition
    Opis:
    Artykuł dotyczy problemu tworzenia ukrytych modeli Markowa na podstawie zarejestrowanych wypowiedzi. Kluczowym problemem jest tu wyznaczenie zbioru stanów modelu Markowa. Przyjęto, że stany modelu są określone przez skupienia obserwacji. Skupienia te można uzyskać drogą grupowania sekwencji obserwacji sygnału mowy.
    A problem of hidden Markov models formation on the basis of recorded speech is considered in this paper. The key issue is the designation of a Markov model set. The assumption is that each HMM state is associated with clusters of observations. The clusters may be obtained by gathering of observations sequences for a speech signal.
    Źródło:
    Biuletyn Instytutu Automatyki i Robotyki; 2006, R. 12, nr 23, 23; 113-127
    1427-3578
    Pojawia się w:
    Biuletyn Instytutu Automatyki i Robotyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ewolucyjne metody uczenia ukrytych modeli Markowa
    Evolutionary methods for training hidden Markov models
    Autorzy:
    Figielska, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/91244.pdf
    Data publikacji:
    2011
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    ukryte modele Markowa
    modelowanie statystyczne
    metody uczenia
    infrastructure subsystem
    statistical modeling
    methods for training
    Opis:
    Ukryte modele Markowa stanowią narzędzie modelowania statystycznego wykorzystywane do analizy i przewidywania zjawisk o charakterze sekwencji zdarzeń występujących na przykład w rozpoznawaniu mowy i gestów oraz modelowaniu sekwencji biologicznych. Aby ukryty model Markowa mógł z powodzeniem zostać zastosowany w praktyce, konieczne jest określenie jego topologii i wyznaczenie wartości jego parametrów. Istniejące metody klasyczne nie zawsze są zdolne do dostarczenia wystarczająco dobrych modeli. Dlatego też, w ostatnich latach obserwuje się wzrost zainteresowania możliwością stosowania innych technik, zwłaszcza opartych na mechanizmach stochastycznych. W artykule przedstawione są sposoby wykorzystania w procesie budowy ukrytych modeli Markowa metod ewolucyjnych. Przeprowadzona jest również ocena jakości otrzymywanych w ten sposób modeli.
    Hidden Markov models (HMMs) are a statistical tool for analyzing and modeling time-series data. They have been successfully used in many areas requiring time-series analysis for example in speech recognition, DNA sequence analysis or forecasts of stock prices. To use a HMM in practice, the topology and the values of its parameters have to be determined. The existing classical methods for HMM training are not always able to provide sufficiently good models. Therefore, in recent years, we observe an increasing interest in developing other methods for HMM training, especially ones involving evolutionary mechanisms. This paper presents how evolutionary methods can be used to build HMMs. The quality of the obtained in this way HMMs is also discussed.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2011, 5, 5; 63-74
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ukryte modele Markowa jako metoda eksploracji danych tekstowych
    Hidden Markov Models as a text mining method
    Autorzy:
    Mazurek, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/305867.pdf
    Data publikacji:
    2010
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    eksploracja danych tekstowych
    ukryte modele Markowa
    ekstrakcja informacji
    text mining
    hidden Markov model
    information retrieval
    Opis:
    W eksploracji danych tekstowych z dużym powodzeniem stosuje się probabilistyczne modele dokumentów. W artykule przedstawiony został jeden z podstawowych, dla tej dziedziny informatyki, sposobów reprezentacji dokumentu za pomocą ukrytych modeli Markowa. Przedstawiono definicję ukrytego modelu Markowa oraz sposób wyznaczenia podstawowych wielkości związanych z wykorzystaniem tego modelu, takich jak prawdopodobieństwo wystąpienia obserwowanej sekwencji symboli (słów), wyszukanie najbardziej prawdopodobnej sekwencji stanów procesu, czy też formuły reestymacji parametrów modelu używane w procesie uczenia modelu.
    In the text mining applications probabilistic models of document are widely used. In this paper the Hidden Markov Models were described as a fundamental method for text processing. Definition of the HMM was presented and the algorithms to find parameters of the model. Some of the possible applications of HMM were suggested.
    Źródło:
    Biuletyn Instytutu Systemów Informatycznych; 2010, 6; 27-31
    1508-4183
    Pojawia się w:
    Biuletyn Instytutu Systemów Informatycznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid of neural networks and hidden Markov models as a modern approach to speech recognition systems
    Hybryda sieci neuronowych i ukrytych modeli Markowa jako nowoczesne podejście do rozpoznawania mowy
    Autorzy:
    Sokólski, P.
    Rutkowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/276753.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    sztuczne sieci neuronowe
    ukryte modele Markowa
    MFCC
    sterowanie
    artificial neural networks
    hidden Markov models
    speech recognition
    control
    Opis:
    The aim of this paper is to present a hybrid algorithm that combines the advantages of artificial neural networks and hidden Markov models in speech recognition for control purposes. The scope of the paper includes review of currently used solutions, description and analysis of implementation of selected artificial neural network (NN) structures and hidden Markov models (HMM). The main part of the paper consists of a description of development and implementation of a hybrid algorithm of speech recognition using NN and HMM and presentation of verification of correctness results.
    Celem artykułu jest przedstawienie algorytmów hybrydowych łączących zalety sztucznych sieci neuronowych i ukrytych modeli Markowa w zastosowaniach rozpoznawania mowy dla potrzeb sterowania. W zakres opracowania wchodzi przegląd stosowanych obecnie rozwiązań, opis i analiza implementacji wybranych struktur sieci neuronowych (NN) oraz ukrytych modeli Markowa (HMM). Główną część artykułu stanowi opis opracowywania hybrydowego algorytmu rozpoznawania mowy wykorzystującego NN i HMM oraz prezentacja wyników weryfikacji poprawności działania.
    Źródło:
    Pomiary Automatyka Robotyka; 2013, 17, 2; 449-455
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    FPGA implementation of logarithmic versions of Baum-Welch and Viterbi algorithms for reduced precision hidden Markov models
    Autorzy:
    Pietras, M.
    Klęsk, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/201874.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    hidden Markov models
    numerical stability
    Viterbi algorithm
    parallel architecture
    field-programmable gate array
    ukryte modele Markowa
    stabilność numeryczna
    Algorytm Viterbiego
    architektura równoległa
    Opis:
    This paper presents a programmable system-on-chip implementation to be used for acceleration of computations within hidden Markov models. The high level synthesis (HLS) and “divide-and-conquer” approaches are presented for parallelization of Baum-Welch and Viterbi algorithms. To avoid arithmetic underflows, all computations are performed within the logarithmic space. Additionally, in order to carry out computations efficiently – i.e. directly in an FPGA system or a processor cache – we postulate to reduce the floating-point representations of HMMs. We state and prove a lemma about the length of numerically unsafe sequences for such reduced precision models. Finally, special attention is devoted to the design of a multiple logarithm and exponent approximation unit (MLEAU). Using associative mapping, this unit allows for simultaneous conversions of multiple values and thereby compensates for computational efforts of logarithmic-space operations. Design evaluation reveals absolute stall delay occurring by multiple hardware conversions to logarithms and to exponents, and furthermore the experiments evaluation reveals HMMs computation boundaries related to their probabilities and floating-point representation. The performance differences at each stage of computation are summarized in performance comparison between hardware acceleration using MLEAU and typical software implementation on an ARM or Intel processor.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2017, 65, 6; 935-946
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ukryte modele Markowa w analizie wyników testu koniunktury gospodarczej
    Hidden Markov Models in Analysis of Results of Business Tendency Surveys
    Autorzy:
    Bernardelli, Michał
    Dędys, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/500689.pdf
    Data publikacji:
    2012
    Wydawca:
    Szkoła Główna Handlowa w Warszawie
    Tematy:
    ukryte modele Markowa
    algorytm Viterbiego
    test koniunktury
    punkty zwrotne cyklu koniunkturalnego
    hidden Markov models
    Viterbi algorithm
    business tendency surveys
    business cycle turning points
    Opis:
    W pracy zbadana została możliwość wykorzystania algorytmu Viterbiego do analizy sald odpowiedzi respondentów na pytania testu koniunktury w przemyśle, prowadzonego przez Instytut Rozwoju Gospodarczego Szkoły Głównej Handlowej w Warszawie. W badaniu rozważane były pytania dotyczące oceny stanu obecnego. Do analizy wykorzystane zostały ukryte modele Markowa z warunkowymi rozkładami normalnymi. Pod uwagę brane były modele, w których łańcuchy Markowa mają dwuelementową i trójelementową przestrzeń stanów. Uzyskane wyniki zostały skonfrontowane z pochodzącymi z różnych źródeł datowaniami punktów zwrotnych cyklu koniunkturalnego. Badane modele zostały porównane pod względem skuteczności w wychwytywaniu sygnałów o nadchodzących zmianach w koniunkturze. Przeprowadzone analizy przemawiają za stosowaniem modeli z trzystanowymi łańcuchami Markowa. Wyniki badania sugerują ponadto, iż należy brać pod uwagę opóźnienia między odpowiedziami respondentów a zmianami klimatu koniunktury.
    The paper considers the possibility of using the Viterbi algorithm to analyse results of the RIED WSE business surveys in the manufacturing industry.The analysis was focused on the state balances. The hidden Markov models with conditional normal distributions were applied. There were considered models with two-state and three-state Markov chains. The results were compared with the timing of turning points taken from other sources. The tested models were compared in terms of effectiveness in detecting of coming changes in economic conditions. The analysis suggests models with three-state Markov chains be used. The results also suggest that it is necessary to take into account a delay between the opinions of survey respondents and changes in economic climate.
    Źródło:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH; 2012, 90: Badania koniunktury - zwierciadło gospodarki. Część I; 159-181
    0866-9503
    Pojawia się w:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza popytu w przemyśle hutniczym - zastosowanie modelu ze zmiennymi ukrytymi
    Analysis of demand in steel and iron industry – latent variables model
    Autorzy:
    Barska, Magdalena
    Powiązania:
    https://bibliotekanauki.pl/articles/1046654.pdf
    Data publikacji:
    2019-04-30
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    prognozowanie
    popyt
    zmienne ukryte
    modele ukrytych łańcuchów markowa
    forecasting
    demand
    latent variables
    hidden markov models
    Opis:
    Na popyt w przemyśle hutniczym wpływa wiele czynników. Nie wszystkie można zidentyfikować i zmierzyć. W artykule przedstawiono wyniki analizy popytu dla wybranego przedsiębiorstwa w latach 2010–2014. Celem przedstawionego badania jest budowa ukrytego modelu łańcuchów Markowa, który odzwierciedli punkty zwrotne zapotrzebowania na wyroby hutnicze oraz umożliwi prognozę wielkości tego zapotrzebowania. Zbadano własności prognostyczne i stabilność modelu. Przeprowadzono symulację polegającą na wygenerowaniu dużej liczby szeregów dla zadanych parametrów modelu i sprawdzeniu ich własności. Najlepiej dopasowanym modelem okazał się trójstanowy model ukrytych łańcuchów Markowa. Za jego pomocą opisano stany potencjalnie kształtujące wielkość popytu. Uwzględnienie stanu przejściowego pozwoliło uchwycić sygnał nadchodzącej zmiany pomiędzy fazami wzrostu i spadku. Zaproponowany model ukrytych łańcuchów Markowa drugiego rzędu może być alternatywą dla tradycyjnych metod analizy szeregów czasowych. Wyznaczona prognoza informuje o kształtowaniu się trendu i stanowi wskazówkę co do punktów zwrotnych koniunktury.
    Demand in the steel and iron industry is influenced by multiple factors. Not all of them can be identified and measured. The paper presents the results of the analysis of the levels of demand achieved by a selected enterprise from this sector in the years 2010-2014. The aim of the study is to build a hidden Markov model which would reflect the turning points of this demand, thus making it possible to forecast its future levels. The model's forecasting properties and stability have been examined. A simulation has been carried out that involved generating a high number of series for selected model parameters and checking their properties. This demonstrated that a three-state second order hidden Markov model was most relevant to the purpose of the study. Thanks to the model's application, it was possible to describe states which could potentially shape the demand. Moreover, taking the transition state into consideration allowed spotting the signal about the upcoming replacement of the growth phase with the decline phase, and vice versa. The presented second order hidden Markov model can serve as an alternative to the traditional methods of the analysis of time series. The forecast generated by the model informs about the shaping of a trend in demand and serves as an indication of the shifts in economic cycles.
    Źródło:
    Przegląd Statystyczny; 2019, 66, 4; 247-269
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      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