Información del autor
Autor Suzdaleva, Evgenia |
Documentos disponibles escritos por este autor (1)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Algorithms and Programs of Dynamic Mixture Estimation : Unified Approach to Different Types of Components Tipo de documento: documento electrónico Autores: Nagy, Ivan, ; Suzdaleva, Evgenia, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XI, 113 p. 27 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-64671-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Probabilidades EstadÃsticas teorÃa del sistema TeorÃa del control Simulación por ordenador Algoritmos TeorÃa de probabilidad TeorÃa y métodos estadÃsticos. TeorÃa de Sistemas Control Modelado por computadora Clasificación: 519.2 Resumen: Este libro proporciona una base teórica general para la construcción de algoritmos de estimación bayesianos recursivos para modelos mixtos. Recopila los algoritmos recursivos para estimar mezclas dinámicas de varias distribuciones y los trae en forma unificada, proporcionando un esquema para construir el algoritmo de estimación para una mezcla de componentes modelados por distribuciones con estadÃsticas reproducibles. Ofrece la estimación recursiva de mezclas dinámicas, libres de procesos iterativos y lo más cercanas posible a soluciones analÃticas. Además, estos métodos se pueden utilizar en lÃnea y realizar simultáneamente aprendizaje, lo que mejora su eficiencia durante la estimación. El libro incluye códigos de programa detallados para resolver las tareas teóricas presentadas. Los códigos se implementan en la plataforma de código abierto para cálculos de ingenierÃa. Los códigos de programa proporcionados sirven para ilustrar la teorÃa y demostrar el trabajo de los algoritmos incluidos. Nota de contenido: Introduction -- Basic Models -- Statistical Analysis of Dynamic Mixtures -- Dynamic Mixture Estimation -- Program Codes -- Experiments -- Appendices. Tipo de medio : Computadora Summary : This book provides a general theoretical background for constructing the recursive Bayesian estimation algorithms for mixture models. It collects the recursive algorithms for estimating dynamic mixtures of various distributions and brings them in the unified form, providing a scheme for constructing the estimation algorithm for a mixture of components modeled by distributions with reproducible statistics. It offers the recursive estimation of dynamic mixtures, which are free of iterative processes and close to analytical solutions as much as possible. In addition, these methods can be used online and simultaneously perform learning, which improves their efficiency during estimation. The book includes detailed program codes for solving the presented theoretical tasks. Codes are implemented in the open source platform for engineering computations. The program codes given serve to illustrate the theory and demonstrate the work of the included algorithms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Algorithms and Programs of Dynamic Mixture Estimation : Unified Approach to Different Types of Components [documento electrónico] / Nagy, Ivan, ; Suzdaleva, Evgenia, . - 1 ed. . - [s.l.] : Springer, 2017 . - XI, 113 p. 27 ilustraciones en color.
ISBN : 978-3-319-64671-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Probabilidades EstadÃsticas teorÃa del sistema TeorÃa del control Simulación por ordenador Algoritmos TeorÃa de probabilidad TeorÃa y métodos estadÃsticos. TeorÃa de Sistemas Control Modelado por computadora Clasificación: 519.2 Resumen: Este libro proporciona una base teórica general para la construcción de algoritmos de estimación bayesianos recursivos para modelos mixtos. Recopila los algoritmos recursivos para estimar mezclas dinámicas de varias distribuciones y los trae en forma unificada, proporcionando un esquema para construir el algoritmo de estimación para una mezcla de componentes modelados por distribuciones con estadÃsticas reproducibles. Ofrece la estimación recursiva de mezclas dinámicas, libres de procesos iterativos y lo más cercanas posible a soluciones analÃticas. Además, estos métodos se pueden utilizar en lÃnea y realizar simultáneamente aprendizaje, lo que mejora su eficiencia durante la estimación. El libro incluye códigos de programa detallados para resolver las tareas teóricas presentadas. Los códigos se implementan en la plataforma de código abierto para cálculos de ingenierÃa. Los códigos de programa proporcionados sirven para ilustrar la teorÃa y demostrar el trabajo de los algoritmos incluidos. Nota de contenido: Introduction -- Basic Models -- Statistical Analysis of Dynamic Mixtures -- Dynamic Mixture Estimation -- Program Codes -- Experiments -- Appendices. Tipo de medio : Computadora Summary : This book provides a general theoretical background for constructing the recursive Bayesian estimation algorithms for mixture models. It collects the recursive algorithms for estimating dynamic mixtures of various distributions and brings them in the unified form, providing a scheme for constructing the estimation algorithm for a mixture of components modeled by distributions with reproducible statistics. It offers the recursive estimation of dynamic mixtures, which are free of iterative processes and close to analytical solutions as much as possible. In addition, these methods can be used online and simultaneously perform learning, which improves their efficiency during estimation. The book includes detailed program codes for solving the presented theoretical tasks. Codes are implemented in the open source platform for engineering computations. The program codes given serve to illustrate the theory and demonstrate the work of the included algorithms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]