Informacja

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

Wyszukujesz frazę "high order statistics" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Semi-parametric modification of cumulative sum algorithms for the change-point detection of non-Gaussian sequences
Autorzy:
Zabolotnii, S. W
Warsza, Z. L.
Powiązania:
https://bibliotekanauki.pl/articles/114188.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
change point
CUSUM algorithm
non-Gaussian sequence
stochastic polynomial
high order statistics
Opis:
The expansion of logarithm likelihood ratio in the stochastic series to find the sequential change-point detection of non-Gaussian sequences is used. The moment criteria of the minimum of upper limit error probabilities sum to find the expansion coefficients is applied. The proposed method is a semi-parametric type of cumulative sum (CUSUM) algorithm which needs of higher-order statistics. Results show that polynomial algorithms are more effective in comparison with similar non-parametric procedures.
Źródło:
Measurement Automation Monitoring; 2015, 61, 12; 532-534
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An algorithm for arbitrary-order cumulant tensor calculation in a sliding window of data streams
Autorzy:
Domino, Krzysztof
Gawron, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/330468.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
high order cumulant
time series statistics
nonnormally distributed data
data streaming
kumulant wysokiego rzędu
szereg czasowy
baza danych rozproszona
strumień danych
Opis:
High-order cumulant tensors carry information about statistics of non-normally distributed multivariate data. In this work we present a new efficient algorithm for calculation of cumulants of arbitrary orders in a sliding window for data streams. We show that this algorithm offers substantial speedups of cumulant updates compared with the current solutions. The proposed algorithm can be used for processing on-line high-frequency multivariate data and can find applications, e.g., in on-line signal filtering and classification of data streams. To present an application of this algorithm, we propose an estimator of non-Gaussianity of a data stream based on the norms of high order cumulant tensors. We show how to detect the transition from Gaussian distributed data to non-Gaussian ones in a data stream. In order to achieve high implementation efficiency of operations on super-symmetric tensors, such as cumulant tensors, we employ a block structure to store and calculate only one hyper-pyramid part of such tensors.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 1; 195-206
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