1,721,019 research outputs found
[Halle (Saale), Universitäts- und Landesbibliothek Sachsen-Anhalt, Morbio 1 (1)]
No full textIn Anwesenheit Berengars I. und unter Vorsitz des Gauso, Missus des Königs, wird festgelegt, dass Lando, Bischof von Cremona, nach Vorlage einer Urkunde Karls III. keine jährlichen Abgaben an zwei Königshöfe entrichten muss.Handschrift DE-3, GND 2024680-8, Signatur: Morbio 1 (1)Die Illustrationen sind: HandzeichenÜberlieferungsart: kopialBeschreibstoff: PergamentErhaltungszustand: gutHandschriftUrkund
Išsiskiriančių stebėjimų įtaka daugiamačių Gauso mišinių klasifikavimui
No full textThere is not abstract.Nagrinėtas apriorinių tikimybių statistinio įvertinimo uždavinys, kai stebėjimai tenkina daugiamačio Gauso mišinio modelį su išsiskiriančiais stebėjimais. Tiriamas išsiskiriančių stebėjimų įtaka bootstrap metodo taikymui, kuomet yra parenkamas vienas iš dviejų metodų: EM algoritmo taikymas pirminiams duomenims arba projektuotiems į mažesnės dimensijos erdvę
Plokštumos taškų klasifikavimas pagal Gauso laukų realizacijas
No full textThere is not abstract.Straipsnyje nagrinėjamas plokštumos taškų klasifikavimo uždavinys pagal Gauso laukų realizacijas. Gautas pirmos eilės asimptotinis klasifikavimo rizikos padidėjimo skleidinys atvejui, kai Bajeso klasifikavimo taisyklę įstatome maksimalaus tikėtinumo įverčius. Atliktas skaitinis gauto skleidinio palyginimas su Malinovskio aproksimacija situacijai, kai stebime ir klasifikuojame tik taškus, esančius stačiakampėje gardelėje
EM algoritmas bendram Gauso modeliui su paslėptaisiais kintamaisiais
Full text linkThe problem of estimating parameters of Gaussian vector when only its (nonlinear) transformation is observed is addressed. The EM algorithm equations to calculate maximum likelihood estimator are derived. In particular, closed-form formulas of the EM algorithm are derived in the case when only the minimum of two endogenous variables satisfying Gaussian regression model is observed.
Nagrinėjamas Gauso vektoriaus parametru vertinimo uždavinys, kai stebima jo (netiesinė) transformacija. Išvestos EM algoritmo, naudojamo didžiausio tikėtinumo įvertiniui apskaičiuoti, lygtys. Atskiru atveju, kai stebimas dviejų dydžių, aprašomų Gauso regresiniais modeliais, minimumas, gautos išreikštinės EM algoritmo formulės
Branduoliniai tankio įvertiniai Gauso skirstinių mišinių modeliams
No full textThe problem of nonparametric estimation of probability density function is considered. The performance of kernel estimators based on various common kernels and a new kernel K (see (14)) with both fixed and adaptive smoothing bandwidth is compared in terms of the symmetric mean absolute percentage error using the Monte Carlo method. The kernel K is everywhere positive but has lighter tails than the Gaussian density. Gaussian mixture models from a collection introduced by Marron and Wand (1992) are taken for Monte Carlo simulations. The adaptive kernel method outperforms the smoothing with a fixed bandwidth in the majority of models. The kernel K shows better performance for Gaussian mixtures with considerably overlapping components and multiple peaks (double claw distribution).Darbas skirtas pasiskirstymo tankiams įvertinti. Taikomi tiek fiksuotojo, tiek ir adaptyviojo pločio branduoliniai įvertiniai. Vertinimas paremtas įvairių populiarių branduolių, o taip pat naujo branduolio K palyginimu Monte Karlo metodu naudojant simetrinę vidutinę absoliučiąją paklaidą, išreikštą procentais. Branduolys K yra visada teigiamas, tačiau didelėms argumento reikšmėms jis yra mažesnis nei Gauso skirstinio tankis. Modeliuota naudojant Gauso mišinių modelių rinkinį, kurį pasiūlė J. S. Marronas ir M. P. Wandas (1992). Adaptyviojo pločio branduolinis metodas daugeliu atvejų pranašesnis už fiksuotojo pločio branduolinį metodą. Smarkiai persidengiančių Gauso mišinio komponentų atveju geresni rezultatai gaunami naudojant branduolį K
Procedūra išsiskiriančių stebėjimų išskyrimui iš imties, patenkinančios daugiamačio Gauso mišinio modelį
No full textThere is not abstract.Nagrinėta procedūra išsiskiriančių stebėjimų išskyrimui iš imties, patenkinančios daugiamačio Gauso mišinio modelį. Straipsnis paremtas Gauso mišinių statistinio vertinimo matematiniais metodais, pasiūlytais R. Rudzkio ir M. Radavičiaus (1995), ypač nuoseklia pradinių reikšmių EM algoritmui parinkimo procedūra su papildomu tarpiniu triukšmo klasteriu. Pateikiami kompiuterinio modeliavimo rezultatai rodo, kad tam tikra minėtos procedūros modifikacija yra gerai tinkama išsiskiriančių stebėjimų išskyrimui iš imties
Anizotropiškumo santykio įtaka Gauso laukų klasifikavimo klaidai
No full textPaper deals with statistical classification of spatial data as a part of widely applicable statistical approach to pattern recognition. Error rates in supervised classification of Gaussian random field observation into one of two populations specified by different constant means and common stationary geometric anisotropic covariance are considered. Formula for the exact Bayesian error rate is derived. The influence of the ratio of anisotropy to the error rates is evaluated numerically for the case of complete parametric certainty.Straipsnyje pateikiama stacionarių anizotropiniū Gauso laukų stebėjimų klasifikavimo Bajeso klaidos išraiska. Skaitmeniškai tiriama jos priklausomybė nuo anizotropiškumo santykio dydžio
Klasifikavimo klaidos vertinimas, pagri ̨stas semivariogramomis Gauso universalaus krigingo modeliui
No full textBayes multiclass classification of spatial Gaussian data following the universal kriging model is considered. The closed-form expressions for the maximum likelihood (ML) estimator of regression parameters and the actual error rate (AER) in terms of semivariograms are derived.Straipsnyje analizuojama erdvinių Gauso duomenų Bajeso klasifikavimo procedūra universalaus krigingo modeliui. Išvestos išreikštinės maksimalaus tikėtinumo regresijos parametrų įverčių išraiškos bei aktualioji (įvertinta) klasifikavimo paklaida, pagrįstos semivariogramomis
Ekvikoreliuotų Gauso stebėjimų diskriminantinė analizė
No full textIn this paper the problem of classification of an observation into one of two Gaussian populations with different means and common variance is considered in the case when equicorrelated training sample is given. Unknown means and common variance are estimated from training sample and these estimators are pluged in the Bayes discriminant function. The maximum likelihood estimators are used. The approximation of the expected error rate associated with Bayes plug-in discriminant function is derived. Numerical analysis of the accuracy of that approximation for various values of correlation is presented.Straipsnyje nagrinėjamas ekvikoreliuotų Gauso stebėjimų klasifikavimo uždavinys, kai klasės skiriasi tik regresiniais vidurkiais. Pateikta vidutinės klasifikavimo klaidos aproksimacija atvejui, kai nežinomi parametrai vertinami maksimalaus tikėtinumo metodu
Stacionaraus Gauso proceso netiesinės formos skirstinio funkcijos ir jo tankio aproksimacija normaliuoju dėsniu
No full textThere is not abstract.Darbas skirtas tikslioms didžiųjų nuokrypių teoremoms kvadratinei formaiζn = ∑s, t =1n as,t Xs Xt,
kur Xt, t = 1, 2, . . . , – stacionarus Gauso procesas ir A = [as,t]t=1,n s=1,n simetrinė matrica. Gautos eksponentinės nelygybės. Atitinkamai centruoto ir normuoto atsitiktinio dydžio ζn skirstinio funkcijos tankiui gautas aproksimacijos normaliuoju dėsniu tikslumo įvertis (teorema 5)
- …
