Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "estymacja wariancji" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Estymacja poziomu zakłócenia w szeregach czasowych przy pomocy filtru medianowego
Estimation of the level of disturbance in time series using a median filter
Autorzy:
Mikołajczak, G.
Pęksiński, J.
Powiązania:
https://bibliotekanauki.pl/articles/377561.pdf
Data publikacji:
2014
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
filtr medianowy
estymacja wariancji zakłócenia
szeregi czasowe
Opis:
W pracy przedstawiono metodę estymacji poziomu zakłócenia wykorzystującą filtrację medianową oraz znajomość współczynnika redukcji szumu. Zakłada się, że w procesie wygładzania tłumiony jest tylko szum, bez zmiany sygnału użytecznego. Poziom tłumienia szumu dla filtracji medianowej, znany jest a priori, co pozwala na dokładniejszą estymację poziomu wariancji składnika losowego szeregu czasowego.
This paper presents a method of estimating the level of disturbance, based on median filtration and the assumption that the smoothing process applies to noise, exclusively. The knowledge of a noise reduction coefficient enables the determining of an estimated quantity.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 80; 205-210
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
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