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 "expectation maximization" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Two stage EMG onset detection method
    Autorzy:
    Drapała, J.
    Brzostowski, K.
    Szpala, A.
    Rutkowska-Kucharska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/229365.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    EMG signal processing
    real EMG recordings
    expectation-maximization
    kernel density estimation
    event detection
    Opis:
    Detection of the moment when a muscle begins to activate on the basis of EMG signal is important task for a number of biomechanical studies. In order to provide high accuracy of EMG onset detection, we developed novel method, that give results similar to that obtained by an expert. By means of this method, EMG is processed in two stages. The first stage gives rough estimation of EMG onset, whereas the second stage performs local, precise searching. The method was applied to support signal processing in biomechanical study concerning effect of body position on EMG activity and peak muscle torque stabilizing spinal column under static conditions.
    Źródło:
    Archives of Control Sciences; 2012, 22, 4; 427-440
    1230-2384
    Pojawia się w:
    Archives of Control Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie filtru cząsteczkowego w problemie identyfikacji układów automatyki
    Employ a particle filter in the identification procedure
    Autorzy:
    Kozierski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/158697.pdf
    Data publikacji:
    2012
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
    Tematy:
    identyfikacja
    metoda największej wiarygodności
    filtr cząsteczkowy
    oczekiwanie-maksymalizacja
    identification
    maximum likelihood method
    particle filter
    expectation-maximization
    Opis:
    W artykule przedstawiono sposób identyfikacji parametrycznej obiektów nieliniowych zapisanych w przestrzeni stanu. Identyfikacja wykorzystuje metodę największej wiarygodności (ML), z zastosowaniem filtru cząsteczkowego i algorytmu oczekiwanie-maksymalizacja (EM).
    A way of parameter estimation of nonlinear dynamic systems in state-space form is presented. The identification uses Maximum Likelihood method (ML), Particle Filter approach and Expectation-Maximization algorithm (EM).
    Źródło:
    Prace Instytutu Elektrotechniki; 2012, 260; 157-169
    0032-6216
    Pojawia się w:
    Prace Instytutu Elektrotechniki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estimation of parameters of Gaussian mixture models by a hybrid method combining a self-adaptive differential evolution with the EM algorithm
    Estymacja parametrów modeli mieszanin rozkładów normalnych przy pomocy metody hybrydowej łączącej samoadaptacyjną ewolucję różnicową z algorytmem EM
    Autorzy:
    Kwedlo, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/88410.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    mieszaniny rozkładów normalnych
    ewolucja różnicowa
    algorytm EM
    grupowanie danych
    Gaussian mixture models
    differential evolution
    expectation maximization
    model-based clustering
    Opis:
    In the paper the problem of learning of Gaussian mixture models (GMMs) is considered. A new approach based on hybridization of a self-adaptive version of differential evolution (DE) with the classical EM algorithm is described. In this approach, called DEEM, the EM algorithm is run until convergence to fine-tune each solution obtained by the mutation and crossover operators of DE. To avoid the problem with parameter representation and infeasible solutions we use a method in which the covariance matrices are encoded using their Cholesky factorizations. In a simulation study GMMs were used to cluster synthetic datasets differing by a degree of separation between clusters. The results of experiments indicate that DE-EM outperforms the standard multiple restart expectation-maximization algorithm (MREM). For datasets with high number of features it also outperforms the state of-the-art random swap EM (RSEM).
    W pracy poruszono problem uczenia modeli mieszanin rozkładów normalnych. Zaproponowano nowe podejście, nazwane DE-EM, oparte na hybrydyzacji samoadaptacyjnego algorytmu ewolucji różnicowej i klasycznego algorytmu EM. W nowej metodzie rozwiązanie otrzymane jako wynik operatorów mutacji i krzyżowania jest poddawane optymalizacji lokalnej, prowadzonej aż do momentu uzyskania zbieżności, przez algorytm EM. Aby uniknąć problemu z reprezentacją macierzy kowariancji i niedopuszczalności rozwiązań użyto metody, w której macierze kowariancji są kodowane przy pomocy dekompozycji Cholesky’ego. W badaniach symulacyjnych modele mieszanin rozkładów normalnych zastosowano do grupowania danych syntetycznych. Wyniki eksperymentów wskazują, że metoda DE-EM osiąga lepsze wyniki niż standardowa technika wielokrotnego startu algorytmu ˙ EM. Dla zbiorów danych z dużą liczbą cech, metoda osiąga lepsze wyniki niż technika losowej wymiany rozwiązań połączona z algorytmem EM.
    Źródło:
    Advances in Computer Science Research; 2014, 11; 109-123
    2300-715X
    Pojawia się w:
    Advances in Computer Science Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effective expectation maximization algorithm implementation using multicore computer systems
    Efektywny algorytm EM i jego implementacja przy użyciu wielordzeniowych systemów komputerowych
    Autorzy:
    Kasitskij, A.
    Bidyuk, P.
    Gozhyi, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/408233.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    algorytm EM
    zmienna losowa Gaussowska
    separacja
    równoległość
    architektura wielordzeniowa
    expectation-maximization algorithm
    multicore architecture
    parallelism
    Gaussian random variables mixture
    separation
    three sigma law
    Opis:
    A popular expectation maximization algorithm that is widely used in modern data processing systems to solve various problems including optimization and parameter estimation is considered in the paper. The task of the study was to enhance effectiveness of the algorithm execution in time. An enhancement of execution rate for the EM algorithm using multicore architecture of modern computer systems was carried out. Necessary modifications aimed at better parallelism were proposed for implementation of the EM algorithm. An efficiency of the software implementation was tested on the classic problem of Gaussian random variables mixture separation. It is shown that in the mixture separation problem EM algorithm performance degrades when the distance between mean values of distributions is less than three standard deviations, which is totally in the spirit of three sigma law. In such cases, it is very important to have an efficient EM algorithm implementation to be able to process such test cases in a reasonable time.
    W artykule opisany jest popularny algorytm EM (expectation maximization), który jest powszechnie stosowany w nowoczesnych systemach przetwarzania danych do rozwiązywania różnych problemów, w tym optymalizacji i estymacji parametrów. Celem badań było zwiększenie efektywności czasu wykonywania algorytmu. Zwiększenie szybkości wykonania algorytmu EM użyto wielordzeniowy architektury nowoczesnych systemów komputerowych. Zostały zaproponowane niezbędne modyfikacje mające na celu lepszą równoległość realizacji algorytmu EM. Skuteczność implementacji programu była testowana na klasycznym problemie separacji Gaussowskich zmiennych losowych. Wykazano, że w przypadku rozdziału mieszaniny wydajność algorytmu EM ulega degradacji, kiedy odległość między średnimi wartościami rozkładu wynosi mniej niż trzy odchylenia standardowe, co jest całkowicie zgodnie z regułą trzech sigm. W takich przypadkach, jest bardzo ważne, aby mieć efektywną realizację algorytmu EM móc przetworzyć takie przypadki w rozsądnym czasie.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2014, 4; 35-37
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sekwencyjna metoda Monte Carlo i jej zastosowanie do modelowania zmienności inflacji w Polsce
    Sequential Monte Carlo method and its application for modelling inflation volatility in Poland
    Autorzy:
    Brzozowska-Rup, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/2041251.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    algorytm EM
    Inflacja
    metoda SMC
    model CIR
    Modele zmienności stochastycznej
    CIR model
    Expectation-Maximization (EM) algorithm
    Inflation
    Sequential Monte Carlo method
    Stochastic volatility models
    Opis:
    The aim of the article is to present a selected model of stochastic volatility to describe inflation volatility in Poland, with particular emphasis on the possibility of using the estimation technique based on the Sequential Monte Carlo method. A model of stochastic volatility is presented, in which conditional variance is treated as an unobserved variable described by the one-factor Cox, Ingersoll and Ross model (CIR, 1985). The advantages and effectiveness of the proposed method are presented on the basis of monthly inflation rates in Poland from 2004 to 2017.
    Celem artykułu jest zaprezentowanie wybranego modelu stochastycznej zmienności do opisu zmienności inflacji w Polsce, ze szczególnym uwzględnieniem możliwości zastosowania techniki estymacji wykorzystującej sekwencyjną metodę Monte Carlo (ang. Sequential Monte Carlo method, SMC). Przedstawiono model zmienności stochastycznej, w którym wariancja warunkowa jest traktowana jako zmienna nieobserwowana opisywana za pomocą jednoczynnikowego modelu Coxa, Ingersola i Rossa (CIR) [Cox, Ingersoll, Ross, 1985]. Zalety oraz efektywność proponowanej metody zaprezento-wano na podstawie miesięcznych danych historycznych poziomu inflacji w Polsce w latach 2004-2017.
    Źródło:
    Studia Ekonomiczne; 2020, 395; 21-36
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of expectation maximization method for purchase decision-making support in welding branch
    Autorzy:
    Kujawińska, A.
    Rogalewicz, M.
    Diering, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/407123.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    cluster analysis
    welding process
    expectation
    maximization method
    Opis:
    The article presents a study of applying the proposed method of cluster analysis to support purchasing decisions in the welding industry. The authors analyze the usefulness of the non-hierarchical method, Expectation Maximization (EM), in the selection of material (212 combinations of flux and wire melt) for the SAW (Submerged Arc Welding) method process. The proposed approach to cluster analysis is proved as useful in supporting purchase decisions.
    Źródło:
    Management and Production Engineering Review; 2016, 7, 2; 29-33
    2080-8208
    2082-1344
    Pojawia się w:
    Management and Production Engineering Review
    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