Informacja

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

Wyszukujesz frazę "generalized SVD" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Wykorzystanie miar matematycznych i biznesowych do porównania modeli macierzy migracji stosowanych w analizie ryzyka kredytowego
Application of mathematical measures and business measures to compare migration matrices used in credit risk analysis
Autorzy:
Grzybowska, Urszula
Karwański, Marek
Powiązania:
https://bibliotekanauki.pl/articles/453229.pdf
Data publikacji:
2011
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
macierze migracji
łańcuchy Markowa
łańcuchy absorbujące
uogólnione modele liniowe (GLMM)
ryzyko kredytowe
SVD
wartości własne macierzy
migration matrices
Markov chains
absorbing Markov chains
generalized longitudinal models (GLMM)
credit risk
Eigenvalues
Opis:
Modele ryzyka kredytowego, używane w bankach, bazują na modelach prawdopodobieństwa zajścia określonych zdarzeń (defaultów). Szeroka klasa tych modeli wykorzystywanych obecnie w praktyce opiera się na estymacji intensywności zdarzeń (ang. intensity-based models). W niniejszej pracy porównujemy wyniki uzyskane przy użyciu modeli Markowa oraz uogólnionych modeli liniowych (GLMM). W pracy przedstawiamy porównanie macierzy migracji w oparciu o różne miary odległości, miary uwzględniające prędkość zbieżności do defaultu oraz miary oparte na teorii absorbujących łańcuchów Markowa. Stosowane miary porównania macierzy migracji odmiennie odzwierciedlają różnice wartości klienta istotne z punktu widzenia biznesu. Modele Markowa dają najlepsze estymatory „biznesowe”, ale są trudne w praktycznych zastosowaniach.
Credit risk models used in banks are based on probability models for occurrence of default. A vast class of these models is based on the notion of intensity In this paper we compare results obtained within Markov chain approach and with help of statistical longitudinal models (GLMM) in which states (rating classes) in discrete time points are regarded as matched pairs. The comparison of obtained migration matrices is based on various distance measures, properties of absorbing Markov chains and convergence to default. Various methods of matrix comparison reflect business based differences between clients in a different way. Markov models give good business estimators but are difficult to apply in practice.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2011, 12, 2; 168-179
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The global and partial system condition assessment in multidimensional condition monitoring
Całkowita i cząstkowa ocena stanu w wielowymiarowej diagnostyce maszyn
Autorzy:
Cempel, C.
Powiązania:
https://bibliotekanauki.pl/articles/327240.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
nadzorowanie stanu
obserwacja wielowymiarowa
rozkład SVD
symptomy uogólnione
szare modele
prognozowanie
pewność decyzji
condition monitoring
multidimensional observation
singular value decomposition
generalized fault symptoms
grey models
forecasting
decision reliability
Opis:
Machines have many faults which evolve during its life (operation). Observing some number of symptoms during the machine operation it is possible to capture needed fault oriented information. One of the methods to extract fault information from such symptom observation matrix (SOM) is to apply the singular value decomposition (SVD), obtaining in this way the generalized fault symptoms. The problem of this paper is to use the total damage symptom, being a sum of all generalized symptoms. Also we will use the first generalized symptom as the dominating fault symptom, to infer better on machine condition. There was some new software created for this purpose, and some cases of machine condition monitoring have been considered as examples. Considering these it seems to the author, that both generalized symptoms should be used for the inference on machine condition. They are complimentary each other in some way, and should be used together to increase the reliability of diagnostic decision.
Maszyny mają wiele uszkodzeń, które ewoluują w trakcie ich pracy. Jeżeli obserwujemy pewną liczbę dobranych symptomów w trakcie życia obiektu możemy tą informację o uszkodzeniach wychwycić w zapisie symptomowej macierzy obserwacji (SOM). Ekstrakcja tej informacji uszkodzeniowej jest możliwa za pomocą procedury SVD, która wyodrębnia poszczególne uogólnione symptomy związane z niezależnymi uszkodzeniami w maszynie. Zazwyczaj mamy sytuacje jednego dominującego symptomu i nasze wnioskowanie diagnostyczne może być związane z tym dominującym symptomem, lub też z tzw. uszkodzeniem całkowitym jako suma wszystkich uogólnionych symptomów. Problemem pracy jest właśnie pytanie; czy wziąć pod uwagę jedynie dominujące uszkodzenie, czy też całkowite. Okazuje się z kilku przykładów, że większą pewność decyzji diagnostycznej uzyskamy jeżeli w weźmiemy pod uwagę oba symptomy, symptom całkowitego uszkodzenia jak i dominujący symptom.
Źródło:
Diagnostyka; 2009, 4(52); 23-34
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Generalized singular value decomposition in multidimensional condition monitoring of systems
Uogólniony rozkład wartości szczególnych w wielowymiarowej diagnostyce stanu systemów
Autorzy:
Cempel, C.
Powiązania:
https://bibliotekanauki.pl/articles/329250.pdf
Data publikacji:
2008
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
stan techniczny
wielowymiarowość
uogólnione SVD
przestrzeń uszkodzeń
przestrzeń obserwacji
podobieństwo stanu
machine condition
multidimensional
generalized SVD
observation space
fault space
condition similarity
Opis:
With the modern metrology, we can measure almost all variables in the phenomenon field of a working machine, and much of measuring quantities can be symptoms of machine condition. On this basis, we can form the symptom observation matrix (SOM) for condition monitoring. From the other side we know that contemporary complex machines may have many modes of failure, so called faults, which form the fault space. This multidimensional problem is not a simple one, even if we apply some modern tool like SVD for the fault extraction purpose. So the question remains if one can learn considering similar problem when having SOM of similar machine observed just before. In this way, we can consider the application of generalized GSVD to the machine condition monitoring problems, and uncover some new possibilities.
Obecnie potrafimy mierzyć większość procesów pola zjawiskowego pracującej maszyny, a wiele z tych procesów może dostarczyć symptomów jej stanu technicznego. Wychodząc stąd możemy tworzyć symptomową macierz obserwacji (SOM) do celów diagnostyki maszyn, czyli oceny ewolucji jej stanu technicznego w czasie życia [theta]. Ale współczesne maszyny mają wiele uszkodzeń rozwijających się współbieżnie, stąd tez propozycja diagnostyki wielowymiarowej i zastosowania rozkładu (SVD), co pokazano już w wielu pracach. Powstaje pytanie czy potrafimy uzyskana wiedzę wykorzystać i nauczyć się diagnozować lepiej maszyny, które już są rozpoznane diagnostycznie za pomocą SVD. Taki właśni problem postawiono stosując uogólniony rozkład SVD, umożliwiający porównanie dwu macierzy obserwacji, znanej uprzednio i właśnie rozwijającej się. Tak możliwość istnieje, a stawia przed nami nowe wymogi nauczenia się nowej semantyki wspólnego języka GSVD.
Źródło:
Diagnostyka; 2008, 3(47); 23-30
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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