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 "regression function estimation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A new approach to detection of changes in multidimensional patterns. Part 2
    Autorzy:
    Gałkowski, Tomasz
    Krzyżak, Adam
    Patora-Wysocka, Zofia
    Filutowicz, Zbigniew
    Wang, Lipo
    Powiązania:
    https://bibliotekanauki.pl/articles/2031116.pdf
    Data publikacji:
    2021
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    edge curve detection
    regression function
    nonparametric estimation
    Opis:
    In the paper we develop an algorithm based on the Parzen kernel estimate for detection of sudden changes in 3-dimensional shapes which happen along the edge curves. Such problems commonly arise in various areas of computer vision, e.g., in edge detection, bioinformatics and processing of satellite imagery. In many engineering problems abrupt change detection may help in fault protection e.g. the jump detection in functions describing the static and dynamic properties of the objects in mechanical systems. We developed an algorithm for detecting abrupt changes which is nonparametric in nature and utilizes Parzen regression estimates of multivariate functions and their derivatives. In tests we apply this method, particularly but not exclusively, to the functions of two variables.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2021, 11, 3; 217-227
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A note on orthogonal projection method
    Pewna uwaga o metodzie rzutu ortogonalnego
    Autorzy:
    Cwiklinska, M.
    Hanusz, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/9817.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Przyrodniczy w Lublinie. Katedra Zastosowań Matematyki i Informatyki
    Tematy:
    orthogonal projection method
    regression function
    parameter estimation
    Źródło:
    Colloquium Biometricum; 2009, 39
    1896-7701
    Pojawia się w:
    Colloquium Biometricum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza sygnałów EA generowanej przez przetwornik piezoelektryczny w modelu kadzi transformatorowej
    Analysis of AE signals generated by piezoelectric transducer in transformer tank model
    Autorzy:
    Wotzka, D.
    Boczar, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/275017.pdf
    Data publikacji:
    2010
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    emisja akustyczna
    model kadzi transformatorowej
    generacja impulsowej fali EA
    identyfikacja funkcji przejścia
    estymacja funkcji regresji
    acoustic emission
    transformer tank model
    generation of impulse EA wave
    transfer function identification
    regression function estimation
    Opis:
    W artykule przedstawiono wyniki analizy sygnałów emisji akustycznej (EA) generowanej przez przetwornik piezoelektryczny umieszczony w modelu kadzi transformatorowej wypełnionej olejem elektroizolacyjnym. Przetwornik pobudzano napięciem o charakterze impulsowym o wartości napięcia od 3 V do 12 V, a rejestrowane sygnały EA analizowano w dziedzinie czasu. Podano postać funkcji regresji, która opisuje serię fal EA docierających bezpośrednio od przetwornika generującego do przetwornika rejestrującego. Ponadto przedstawiono wyniki procesu identyfikacji funkcji przejścia dla rozpatrywanego układu pomiarowego.
    Analysis results of acoustic emission (AE) signals generated by a piezoelectric transducer mounted inside a transformer tank model that was filled with electro insulation oil are presented. The transducer was stimulated by an impulse voltage signal of amplitude from 3 V to 12 V. The gathered signal was analyzed in the time domain. A regression function model which describe AE wave coming from the generating transducer to the measuring transducer directly is presented in the paper. Furthermore, results of an identification process of transfer function for the regarded measurement setup are presented.
    Źródło:
    Pomiary Automatyka Robotyka; 2010, 14, 12; 84-89
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bayesian multidimensional-matrix polynomial empirical regression
    Autorzy:
    Mukha, Vladimir S.
    Powiązania:
    https://bibliotekanauki.pl/articles/2050059.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    regression function
    parameter estimation
    maximum likelihood estimation
    Bayesian estimation
    multidimensional matrice
    Opis:
    The problem of parameter estimation for the polynomial in the input variables regression function is formulated and solved. The input and output variables of the regression function are multidimensional matrices. The parameters of the regression function are assumed to be random independent multidimensional matrices with Gaussian distribution and known mean value and variance matrices. The solution to this problem is a multidimensional-matrix system of the linear algebraic equations in multidimensional-matrix unknown regression function parameters. We consider the particular cases of constant, affine and quadratic regression function, for which we have obtained formulas for parameter calculation. Computer simulation of the quadratic regression function is performed for the two-dimensional matrix input and output variables.
    Źródło:
    Control and Cybernetics; 2020, 49, 3; 291--314
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    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 1-5 z 5

      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