| ГРНТИ | ||
| УДК |
Экземпляры всего: 1
Фонд (1)
Свободны: Фонд (1)
Труды сотрудников ИВМ СО РАН
w10=
Найдено документов в текущей БД: 62
З973.2
Л242
Л242
Непараметрические коллективы решающих правил
[Текст] = Nonparametric collectives of resolving rules / В.А. Лапко; Отв. ред. С.В. Ченцов. - Новосибирск : Наука, 2002. - 168 с. : ил. - Библиогр.: с. 159-164. - ISBN 5-02-031953-8 : Б. ц.
ББК З973.2 + В18
Экземпляры всего: 1
Фонд (1)
Свободны: Фонд (1)
Экземпляры всего: 1
Фонд (1)
Свободны: Фонд (1)
681.5/Л24-304937
681.5/Л24-304937 / Л24-63360098/Библиотека Политехнического Института СФУ
681.5/Л24-304937 / Л24-63360098/Библиотека Политехнического Института СФУ
Многоуровневые непараметрические системы принятия решений
[] : монография / А. В. Лапко, С. В. Ченцов = Multilevel nonparametric systems of decision-making. - Новосибирск : Наука, 1997. - 191 с. - Библиогр.: с. 184-187. - ISBN 5-02-031293-2 : 50 р.
Аннотация: Монография посвящена проблемам обработки разнотипной информации на основе последовательных процедур принятия решений и методов непараметрической статистики. рассматриваются оригинальные многоуровневые системы анализа статистических данных в условиях больших и малых выборок. Исследуются нечеткие модели распознавания образов и оптимизации процессов развития, контролируемых в дискретном времени.
Доп.точки доступа:
Ченцов, С.В.; Рубан, А.И. \ред.\ 63360098/Библиотека Политехнического Института СФУ
Свободных экз. нет
| УДК |
Рубрики:
Обработка информации
Кл.слова (ненормированные):
ОБРАБОТКА ИНФОРМАЦИИ -- МНОГОУРОВНЕВЫЕ СИСТЕМЫ -- НЕПАРАМЕТРИЧЕСКИЕ МОДЕЛИ ОБРАБОТКИ ИНФОРМАЦИИ -- РАСПОЗНАВАНИЕ ОБРАЗОВ -- СТАТИСТИЧЕСКИЕ ДАННЫЕ -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ -- МОНОГРАФИИ
Обработка информации
Кл.слова (ненормированные):
ОБРАБОТКА ИНФОРМАЦИИ -- МНОГОУРОВНЕВЫЕ СИСТЕМЫ -- НЕПАРАМЕТРИЧЕСКИЕ МОДЕЛИ ОБРАБОТКИ ИНФОРМАЦИИ -- РАСПОЗНАВАНИЕ ОБРАЗОВ -- СТАТИСТИЧЕСКИЕ ДАННЫЕ -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ -- МОНОГРАФИИ
Аннотация: Монография посвящена проблемам обработки разнотипной информации на основе последовательных процедур принятия решений и методов непараметрической статистики. рассматриваются оригинальные многоуровневые системы анализа статистических данных в условиях больших и малых выборок. Исследуются нечеткие модели распознавания образов и оптимизации процессов развития, контролируемых в дискретном времени.
Доп.точки доступа:
Ченцов, С.В.; Рубан, А.И. \ред.\ 63360098/Библиотека Политехнического Института СФУ
Свободных экз. нет
Nonparametric Pattern Recognition Systems in the Conditions of Large Learning Samples
[Текст] : статья / А.В. Лапко и др. // Pattern Recognition and Image Analysis. (Advances in Mathematical Theory and Applications). - 2010. - Т.20, №.2. - С. 129-136
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Properties of the nonparametric decision function with a priori information on independence of attributes of classified objects
/ A.V. Lapko, V.A. Lapko // Optoelectronics, Instrumentation and Data Processing. - 2012. - Vol. 48, Is. 4. - pp. 416-422, DOI 10.3103/S8756699012040139
. - ISSN 8756-6990
Кл.слова (ненормированные):
a priori information -- asymptotic properties -- independent random variables -- nonparametric estimate -- pattern recognition -- Approximation properties -- Asymptotic properties -- Classified objects -- Decision functions -- Non-parametric -- Non-parametric estimates -- Priori information -- Surface equation -- Pattern recognition -- Random variables
Аннотация: Asymptotic properties of a nonparametric estimate of the separating surface equation defined in the space of independent attributes of classified objects are studied. Based on this analysis, the importance of the influence of a priori information about independence of random variables on the approximation properties of the nonparametric decision function in a two-alternative problem of pattern recognition is established. В© 2012 Allerton Press, Inc.
Scopus
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
a priori information -- asymptotic properties -- independent random variables -- nonparametric estimate -- pattern recognition -- Approximation properties -- Asymptotic properties -- Classified objects -- Decision functions -- Non-parametric -- Non-parametric estimates -- Priori information -- Surface equation -- Pattern recognition -- Random variables
Аннотация: Asymptotic properties of a nonparametric estimate of the separating surface equation defined in the space of independent attributes of classified objects are studied. Based on this analysis, the importance of the influence of a priori information about independence of random variables on the approximation properties of the nonparametric decision function in a two-alternative problem of pattern recognition is established. В© 2012 Allerton Press, Inc.
Scopus
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Construction of Confidence Limits for the Probability Density Function on the Basis of Nonparametric Estimation of the Function
[Text] / A. V. Lapko, V. A. Lapko // Meas. Tech. - 2014. - Vol. 56, Is. 12. - P1354-1357, DOI 10.1007/s11018-014-0381-8. - Cited References: 9
. - ISSN 0543-1972. - ISSN 1573-8906
РУБ Engineering, Multidisciplinary + Instruments & Instrumentation
Кл.слова (ненормированные):
probability density function -- confidence limits -- regression estimation -- decomposition of initial data -- nonparametric statistics
Аннотация: A technique for the construction of confidence limits for the probability density function is proposed and its efficiency as a function of the probabilistic characteristics of the procedure of decomposition of the domain of variation of the random variable is investigated.
WOS
Держатели документа:
[Lapko, A. V.] Russian Acad Sci IVM SO RAN, Inst Computat Modeling, Siberian Branch, Krasnoyarsk, Russia
[Lapko, V. A.] Academician Reshetnev Siberian State Aerosp Univ, Krasnoyarsk, Russia
ИВМ СО РАН
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
probability density function -- confidence limits -- regression estimation -- decomposition of initial data -- nonparametric statistics
Аннотация: A technique for the construction of confidence limits for the probability density function is proposed and its efficiency as a function of the probabilistic characteristics of the procedure of decomposition of the domain of variation of the random variable is investigated.
WOS
Держатели документа:
[Lapko, A. V.] Russian Acad Sci IVM SO RAN, Inst Computat Modeling, Siberian Branch, Krasnoyarsk, Russia
[Lapko, V. A.] Academician Reshetnev Siberian State Aerosp Univ, Krasnoyarsk, Russia
ИВМ СО РАН
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Effect of data incompleteness on the approximation properties of nonparametric estimation of the two-dimensional probability density of independent random variables
[] / A. V. Lapko, V. A. Lapko // Optoelectron. Instrum. Data Proces. - 2014. - Vol. 50, Is. 1. - P68-74, DOI 10.3103/S8756699014010099
. - ISSN 1934-7944
Кл.слова (ненормированные):
asymptotic properties -- data incompleteness -- independent random variables -- nonparametric estimate -- probability density -- Two dimensional -- Asymptotic properties -- data incompleteness -- Independent random variables -- Non-parametric estimates -- Probability densities -- Random variables
Аннотация: Asymptotic properties of a nonparametric estimate of the two-dimensional probability density of independent random variables are studied. Based on these results, the dependence of its efficiency on data incompleteness in the initial statistical information is determined. © 2014 Allerton Press, Inc.
Scopus
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Akademgorodok 50, building 44, Krasnoyarsk, 660036, Russian Federation
Reshetnev Siberian State Aerospace University, pr. im. Gazety Krasnoyarskii rabochii 31, Krasnoyarsk, 660014, Russian Federation
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
asymptotic properties -- data incompleteness -- independent random variables -- nonparametric estimate -- probability density -- Two dimensional -- Asymptotic properties -- data incompleteness -- Independent random variables -- Non-parametric estimates -- Probability densities -- Random variables
Аннотация: Asymptotic properties of a nonparametric estimate of the two-dimensional probability density of independent random variables are studied. Based on these results, the dependence of its efficiency on data incompleteness in the initial statistical information is determined. © 2014 Allerton Press, Inc.
Scopus
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Akademgorodok 50, building 44, Krasnoyarsk, 660036, Russian Federation
Reshetnev Siberian State Aerospace University, pr. im. Gazety Krasnoyarskii rabochii 31, Krasnoyarsk, 660014, Russian Federation
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Comparison of the Effectiveness of Methods for Sampling the Range of Variation of Random Quantities in Synthesis of Nonparametric Estimates of Probability Density
[Text] / A. V. Lapko, V. A. Lapko // Meas. Tech. - 2014. - Vol. 57, Is. 3. - P. 222-227, DOI 10.1007/s11018-014-0435-y. - Cited References: 13. - This work was done in the framework of the basic part of the govenment task of the Ministry of Education and Science of the Russian Federation for institutions of higher education for 2014-2016 (Grant SibGAU No. B121/14).
. - ISSN 0543-1972. - ISSN 1573-8906
РУБ Engineering, Multidisciplinary + Instruments & Instrumentation
Кл.слова (ненормированные):
nonparametric estimate of probability density -- approximation properties -- sampling methods -- normal distribution law
Аннотация: The approximation properties of a nonparametric estimate of probability density are studied for different methods of sampling the domain of definition. The indicators of the effectiveness of these methods are estimated.
WOS
Держатели документа:
[Lapko, A. V.
Lapko, V. A.] Russian Acad Sci, Inst Comp Modelling, Siberian Branch, Krasnoyarsk, Russia
[Lapko, A. V.
Lapko, V. A.] Siberian State Aerosp Univ, Krasnoyarsk, Russia
ИВМ СО РАН
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич; Ministry of Education and Science of the Russian Federation for institutions of higher education [B121/14]
Кл.слова (ненормированные):
nonparametric estimate of probability density -- approximation properties -- sampling methods -- normal distribution law
Аннотация: The approximation properties of a nonparametric estimate of probability density are studied for different methods of sampling the domain of definition. The indicators of the effectiveness of these methods are estimated.
WOS
Держатели документа:
[Lapko, A. V.
Lapko, V. A.] Russian Acad Sci, Inst Comp Modelling, Siberian Branch, Krasnoyarsk, Russia
[Lapko, A. V.
Lapko, V. A.] Siberian State Aerosp Univ, Krasnoyarsk, Russia
ИВМ СО РАН
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич; Ministry of Education and Science of the Russian Federation for institutions of higher education [B121/14]
Method of decomposition of the interval of the values of random variables based on results of optimization of the nonparametric estimate of the probability density
/ A. V. Lapko, V. A. Lapko // Optoelectron. Instrum. Data Proces. - 2014. - Vol. 50, Is. 4. - P383-388, DOI 10.3103/S8756699014040098
. - ISSN 8756-6990
Кл.слова (ненормированные):
computational experiment -- method of decomposition -- nonparametric estimate -- Pearson test -- probability density -- testing hypotheses -- Computational experiment -- Non-parametric estimates -- Probability densities -- Testing hypothesis
Аннотация: A new method of decomposition of the interval of the values of random variables based on results of optimization of the nonparametric estimate of the probability density of the Rosenblatt-Parzen type is proposed. Its application in the problem of testing the hypothesis of identity of the distribution laws of two sequences of one-dimensional random variables is considered.
Scopus
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Akademgorodok 50, building 44Krasnoyarsk, Russian Federation
Reshetnev Siberian State Aerospace University, pr. im. Gazety “Krasnoyarskii rabochii” 31Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
computational experiment -- method of decomposition -- nonparametric estimate -- Pearson test -- probability density -- testing hypotheses -- Computational experiment -- Non-parametric estimates -- Probability densities -- Testing hypothesis
Аннотация: A new method of decomposition of the interval of the values of random variables based on results of optimization of the nonparametric estimate of the probability density of the Rosenblatt-Parzen type is proposed. Its application in the problem of testing the hypothesis of identity of the distribution laws of two sequences of one-dimensional random variables is considered.
Scopus
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Akademgorodok 50, building 44Krasnoyarsk, Russian Federation
Reshetnev Siberian State Aerospace University, pr. im. Gazety “Krasnoyarskii rabochii” 31Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Optimal selection of the number of sampling intervals in domain of variation of a one-dimensional random variable in estimation of the probability density
[Text] / A. V. Lapko, V. A. Lapko // Meas. Tech. - 2013. - Vol. 56, Is. 7. - P. 763-767, DOI 10.1007/s11018-013-0279-x. - Cited References: 7
. - ISSN 0543-1972
РУБ Engineering, Multidisciplinary + Instruments & Instrumentation
Кл.слова (ненормированные):
probability density -- decomposition of initial data -- nonparametric statistic -- regression estimator -- asymptotic properties -- number of sampling intervals
Аннотация: The asymptotic properties of the regression estimator of the probability density, synthesis of which presupposes decomposition of statistical data, are studied. The dependence of the number of sampling intervals on the volume of original data is determined on the study.
WOS
Держатели документа:
[Lapko, A. V.
Lapko, V. A.] Russian Acad Sci IVM SO RAN, Inst Computat Modeling, Siberian Branch, Krasnoyarsk, Russia
ИВМ СО РАН
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
probability density -- decomposition of initial data -- nonparametric statistic -- regression estimator -- asymptotic properties -- number of sampling intervals
Аннотация: The asymptotic properties of the regression estimator of the probability density, synthesis of which presupposes decomposition of statistical data, are studied. The dependence of the number of sampling intervals on the volume of original data is determined on the study.
WOS
Держатели документа:
[Lapko, A. V.
Lapko, V. A.] Russian Acad Sci IVM SO RAN, Inst Computat Modeling, Siberian Branch, Krasnoyarsk, Russia
ИВМ СО РАН
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Typification of natural seasonal dynamics of vegetation to reveal impact of land surface change on environment (by satellite data)
/ A. Shevyrnogov [et al.] // Advances in Space Research. - 2000. - Vol. 26, Is. 7. - P. 1169-1172, DOI 10.1016/S0273-1177(99)01142-4
. - ISSN 0273-1177
Кл.слова (ненормированные):
ecological modeling -- ecosystem health -- land surface -- satellite data -- vegetation dynamics
Аннотация: Deep insight into types of vegetation variability provided by AVHRR space scanner images of vegetation index spatial distribution helps reveal impact of land surface changes on environment. The Institute of Computational Modeling SB RAS has developed nonparametric algorithms of automatic to classify and recognize patterns of these images which helped to reveal: (1) major variability types (generally connected); (2) areas belonging to small classes, which can be used to reveal deviations from 'normal' (e.g., forest fires, etc.); (3) deviation from a certain type of dynamics indicative of changes in condition of plants, which can be used to diagnose pathology at early stages; (4) impact of economical activities on vegetation in Norilsk area. The authors provide biological interpretation of the satellite data. Computer-animated dynamics and color maps are presented. Nonparametric algorithms of an automatic classification and pattern recognition were provided by the Institute of Computational Modeling SB RAS. (C) 2000 COSPAR. Published by Elsevier Science Ltd.
Scopus,
Полный текст
Доп.точки доступа:
Shevyrnogov, A.; Vysotskaya, G.; Высоцкая, Галина Степановна; Sidko, A.; Dunaev, K.
Кл.слова (ненормированные):
ecological modeling -- ecosystem health -- land surface -- satellite data -- vegetation dynamics
Аннотация: Deep insight into types of vegetation variability provided by AVHRR space scanner images of vegetation index spatial distribution helps reveal impact of land surface changes on environment. The Institute of Computational Modeling SB RAS has developed nonparametric algorithms of automatic to classify and recognize patterns of these images which helped to reveal: (1) major variability types (generally connected); (2) areas belonging to small classes, which can be used to reveal deviations from 'normal' (e.g., forest fires, etc.); (3) deviation from a certain type of dynamics indicative of changes in condition of plants, which can be used to diagnose pathology at early stages; (4) impact of economical activities on vegetation in Norilsk area. The authors provide biological interpretation of the satellite data. Computer-animated dynamics and color maps are presented. Nonparametric algorithms of an automatic classification and pattern recognition were provided by the Institute of Computational Modeling SB RAS. (C) 2000 COSPAR. Published by Elsevier Science Ltd.
Scopus,
Полный текст
Доп.точки доступа:
Shevyrnogov, A.; Vysotskaya, G.; Высоцкая, Галина Степановна; Sidko, A.; Dunaev, K.
Comparison of empirical and theoretical distribution functions of a random variable on the basis of a nonparametric classifier
/ A. V. Lapko, V. A. Lapko // Optoelectronics, Instrumentation and Data Processing. - 2012. - Vol. 48, Is. 1. - P. 37-41DOI 10.3103/S8756699012010050
. -
Аннотация: A possibility of using nonparametric algorithms of pattern recognition in the problem of comparing empirical and theoretical distribution functions of random variables is considered. Results of computational experiments are analyzed.
Полный текст на сайте правообладателя
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Аннотация: A possibility of using nonparametric algorithms of pattern recognition in the problem of comparing empirical and theoretical distribution functions of random variables is considered. Results of computational experiments are analyzed.
Полный текст на сайте правообладателя
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Analysis of the Properties of the Choice of an Optimal Number of Sampling Intervals in the Domain of Definition of a Probability Density
/ A. V. Lapko, V. A. Lapko // Meas. Tech. - 2014. - Vol. 57, Is. 7. - P740-744, DOI 10.1007/s11018-014-0529-6
. - ISSN 0543-1972
Кл.слова (ненормированные):
antikurtosis -- asymmetry coefficient -- kurtosis -- nonparametric estimation -- probability density -- sampling procedure -- Probability -- Statistical methods -- antikurtosis -- asymmetry coefficient -- kurtosis -- Non-parametric estimations -- Probability densities -- Sampling procedures -- Probability density function
Аннотация: The choice of an optimal number of sampling intervals in the domain of definition of the probability density is studied as a function of the antikurtosis coefficient. Quantitative relationships between the sampling coefficient and the antikurtosis are found for symmetric and nonsymmetric distributions. Their features are analyzed for different utilization conditions. © 2014, Springer Science+Business Media New York.
Scopus
Держатели документа:
Institute of Computational Modelling, Siberian Branch of the Russian Academy of SciencesKrasnoyarsk, Russian Federation
Reshetnev Siberian State Aerospace UniversityKrasnoyarsk, Russian Federation
ИВМ СО РАН
Доп.точки доступа:
Lapko, A.V.; Лапко, Александр Васильевич; Lapko, V.A.; Лапко, Василий Александрович
Кл.слова (ненормированные):
antikurtosis -- asymmetry coefficient -- kurtosis -- nonparametric estimation -- probability density -- sampling procedure -- Probability -- Statistical methods -- antikurtosis -- asymmetry coefficient -- kurtosis -- Non-parametric estimations -- Probability densities -- Sampling procedures -- Probability density function
Аннотация: The choice of an optimal number of sampling intervals in the domain of definition of the probability density is studied as a function of the antikurtosis coefficient. Quantitative relationships between the sampling coefficient and the antikurtosis are found for symmetric and nonsymmetric distributions. Their features are analyzed for different utilization conditions. © 2014, Springer Science+Business Media New York.
Scopus
Держатели документа:
Institute of Computational Modelling, Siberian Branch of the Russian Academy of SciencesKrasnoyarsk, Russian Federation
Reshetnev Siberian State Aerospace UniversityKrasnoyarsk, Russian Federation
ИВМ СО РАН
Доп.точки доступа:
Lapko, A.V.; Лапко, Александр Васильевич; Lapko, V.A.; Лапко, Василий Александрович
Nonparametric method of a confidential estimation of a probability density
/ A. V. Lapko, V. A. Lapko // 2015 International Siberian Conference on Control and Communications, SIBCON 2015 - Proceedings. - 2015. - 2015 International Siberian Conference on Control and Communications, SIBCON 2015 (21 May 2015 through 23 May 2015, ) Conference code: 113590, DOI 10.1109/SIBCON.2015.7147119
. -
Кл.слова (ненормированные):
confidence limits -- decomposition of initial data -- Freedman-Diaconis rule -- Heinhold-Gaede rule -- nonparametric estimation -- nonparametric statistics -- probability density function -- Scott's rule -- Probability -- Confidence limit -- Freedman-Diaconis rule -- Heinhold-Gaede rule -- Non-parametric estimations -- Non-parametric statistics -- Scott's rule -- Probability density function
Аннотация: A technique for the construction of confidence limits for the multi-dimensional probability density function is proposed and its efficiency as a function of the probabilistic characteristics of the procedure of decomposition of the domain of variation of the random variable is investigated. © 2015 IEEE.
Scopus
Держатели документа:
Siberian Branch of the Russian Academy of Sciences, Institute of Computer Modelling, Krasnoyarsk, Russian Federation
Ministry of Education and Science of the Russian Federation, Siberian State Aerospace University, Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
confidence limits -- decomposition of initial data -- Freedman-Diaconis rule -- Heinhold-Gaede rule -- nonparametric estimation -- nonparametric statistics -- probability density function -- Scott's rule -- Probability -- Confidence limit -- Freedman-Diaconis rule -- Heinhold-Gaede rule -- Non-parametric estimations -- Non-parametric statistics -- Scott's rule -- Probability density function
Аннотация: A technique for the construction of confidence limits for the multi-dimensional probability density function is proposed and its efficiency as a function of the probabilistic characteristics of the procedure of decomposition of the domain of variation of the random variable is investigated. © 2015 IEEE.
Scopus
Держатели документа:
Siberian Branch of the Russian Academy of Sciences, Institute of Computer Modelling, Krasnoyarsk, Russian Federation
Ministry of Education and Science of the Russian Federation, Siberian State Aerospace University, Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V.A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Analysis of the Dependence of the Approximation Properties of a Nonparametric Estimate of a Probability Density on the Sampling Method for the Domain of Definition
/ A. V. Lapko, V. A. Lapko // Measurement Techniques. - 2015, DOI 10.1007/s11018-015-0741-z
. - ISSN 0543-1972
Кл.слова (ненормированные):
approximation properties -- Brooks–Carruthers rule -- Freedman–Diaconis rule -- Heinhold–Gaede rule -- nonparametric estimate -- number of sampling intervals -- probability density -- Scott rule -- Sturges rule -- Probability -- Approximation properties -- Non-parametric estimates -- Probability densities -- Sampling interval -- Scott rule -- Sturges rule -- Probability density function
Аннотация: A method is proposed for comparing the efficiencies of procedures for sampling the range of values of a random quantity when estimating the probability density. The criterion of efficiency is taken to be an asymptotic expression for the mean square deviation of a regression fit for the probability density. © 2015 Springer Science+Business Media New York
Scopus,
WOS
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Krasnoyarsk, Russian Federation
Siberian State Aerospace University, Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V. A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
approximation properties -- Brooks–Carruthers rule -- Freedman–Diaconis rule -- Heinhold–Gaede rule -- nonparametric estimate -- number of sampling intervals -- probability density -- Scott rule -- Sturges rule -- Probability -- Approximation properties -- Non-parametric estimates -- Probability densities -- Sampling interval -- Scott rule -- Sturges rule -- Probability density function
Аннотация: A method is proposed for comparing the efficiencies of procedures for sampling the range of values of a random quantity when estimating the probability density. The criterion of efficiency is taken to be an asymptotic expression for the mean square deviation of a regression fit for the probability density. © 2015 Springer Science+Business Media New York
Scopus,
WOS
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Krasnoyarsk, Russian Federation
Siberian State Aerospace University, Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V. A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Construction of confidence boundaries for the decision function in a two-alternative problem of pattern recognition
/ A. V. Lapko, V. A. Lapko // Optoelectron. Instrum. Data Proces. - 2015. - Vol. 51, Is. 4. - P372-377, DOI 10.3103/S875669901504007X
. - ISSN 8756-6990
Кл.слова (ненормированные):
confidence estimate -- decision function -- Heinhold–Gaede rule -- nonparametric estimate -- pattern recognition -- Bayesian -- Computational experiment -- confidence estimate -- Decision functions -- Learning samples -- Non-parametric estimates -- Probabilistic characteristics -- Pattern recognition
Аннотация: A nonparametric estimate of the decision function in a two-alternative problem of pattern recognition is considered. The principle of expansion of the learning sample and the analysis of the probabilistic characteristics of the obtained sets of random variables are used to synthesize this estimate. On this basis, a technique of construction of confidence boundaries for the Bayesian equation of the separating surface is derived. The efficiency of this technique is proved by results of computational experiments. © 2015, Allerton Press, Inc.
Scopus
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Akademgorodok 50, building 44, Krasnoyarsk, Russian Federation
Reshetnev Siberian State Aerospace University, pr. im. Gazety “Krasnoyarskii rabochii” 31, Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V. A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
Кл.слова (ненормированные):
confidence estimate -- decision function -- Heinhold–Gaede rule -- nonparametric estimate -- pattern recognition -- Bayesian -- Computational experiment -- confidence estimate -- Decision functions -- Learning samples -- Non-parametric estimates -- Probabilistic characteristics -- Pattern recognition
Аннотация: A nonparametric estimate of the decision function in a two-alternative problem of pattern recognition is considered. The principle of expansion of the learning sample and the analysis of the probabilistic characteristics of the obtained sets of random variables are used to synthesize this estimate. On this basis, a technique of construction of confidence boundaries for the Bayesian equation of the separating surface is derived. The efficiency of this technique is proved by results of computational experiments. © 2015, Allerton Press, Inc.
Scopus
Держатели документа:
Institute of Computational Modeling, Siberian Branch, Russian Academy of Sciences, Akademgorodok 50, building 44, Krasnoyarsk, Russian Federation
Reshetnev Siberian State Aerospace University, pr. im. Gazety “Krasnoyarskii rabochii” 31, Krasnoyarsk, Russian Federation
Доп.точки доступа:
Lapko, V. A.; Лапко, Василий Александрович; Лапко, Александр Васильевич
519.7
П 63
П 63
Построение доверительных границ для решающей функции в двуальтернативной задаче распознавания образов
[Текст] : статья / А. В. Лапко, В. А. Лапко // Автометрия. - 2015. - Т. 51, № 4. - С. 62-67
. - ISSN 0320-7102
Перевод заглавия: CONSTRUCTION OF CONFIDENCE BOUNDARIES FOR THE DECISION FUNCTION IN A TWO-ALTERNATIVE PROBLEM OF PATTERN RECOGNITION
Кл.слова (ненормированные):
распознавание образов -- решающая функция -- непараметрическая оценка -- доверительное оценивание -- правило Хайнкольда - Гаеде -- pattern recognition -- decision function -- nonparametric estimate -- confidence estimate -- Heinhold-Gaede rule
Аннотация: Рассматривается непараметрическая оценка решающей функции в двуальтернативной задаче распознавания образов. При её синтезе используются принцип декомпозиции обучающей выборки и анализ вероятностных характеристик получаемых множеств случайных величин. На этой основе разработана методика построения доверительных границ для байесовского уравнения разделяющей поверхности. Эффективность методики подтверждается результатами вычислительных экспериментов.
A nonparametric estimate of the decision function in a two-alternative problem of pattern recognition is considered. The principle of expansion of the learning sample and the analysis of the probabilistic characteristics of the obtained sets of random variables are used to synthesize this estimate. On this basis, a technique of construction of confidence boundaries for the Bayesian equation of the separating surface is derived. The efficiency of this technique is proved by results of computational experiments.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет им. академика М. Ф. Решетнёва
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
Перевод заглавия: CONSTRUCTION OF CONFIDENCE BOUNDARIES FOR THE DECISION FUNCTION IN A TWO-ALTERNATIVE PROBLEM OF PATTERN RECOGNITION
| УДК |
Кл.слова (ненормированные):
распознавание образов -- решающая функция -- непараметрическая оценка -- доверительное оценивание -- правило Хайнкольда - Гаеде -- pattern recognition -- decision function -- nonparametric estimate -- confidence estimate -- Heinhold-Gaede rule
Аннотация: Рассматривается непараметрическая оценка решающей функции в двуальтернативной задаче распознавания образов. При её синтезе используются принцип декомпозиции обучающей выборки и анализ вероятностных характеристик получаемых множеств случайных величин. На этой основе разработана методика построения доверительных границ для байесовского уравнения разделяющей поверхности. Эффективность методики подтверждается результатами вычислительных экспериментов.
A nonparametric estimate of the decision function in a two-alternative problem of pattern recognition is considered. The principle of expansion of the learning sample and the analysis of the probabilistic characteristics of the obtained sets of random variables are used to synthesize this estimate. On this basis, a technique of construction of confidence boundaries for the Bayesian equation of the separating surface is derived. The efficiency of this technique is proved by results of computational experiments.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет им. академика М. Ф. Решетнёва
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
519.24
А 64
А 64
Анализ зависимости аппроксимационных свойств непараметрической оценки плотности вероятности от методов дискретизации области определения
[Текст] : статья / А. В. Лапко, В. А. Лапко // Измерительная техника. - 2015. - № 5. - С. 10-14
. - ISSN 0368-1025
Кл.слова (ненормированные):
правило Хайнкольда-Гаеде -- правило Брукса и Каррузера -- правило Старджесса -- правило Фридмана и Диакониса -- Heinhold-Gaede rule -- Brooks-Carruthers rule -- Sturges rule -- Freedman-Diaconis rule -- probability density -- Nonparametric estimation -- approximation properties -- number of sampling intervals -- Scott rule -- плотность вероятности -- непараметрическая оценка -- аппроксимационные свойства -- количество интервалов дискретизации -- правило Скотта
Аннотация: Предложена методика сравнения эффективности процедур дискретизации интервала значений случайной величины при оценивании плотности вероятности. В качестве критерия эффективности использовано асимптотическое выражение среднеквадратического отклонения регрессионной оценки плотности вероятности.
The comparison procedure for the effectiveness of methods for discretization of the interval of values of a random variable at probability density estimation has been saggested. As an efficiency criterion the asymptotic expression of standard deviation of regression model of probability density has been used.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет им. акад. М. Ф. Решетнева
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
| УДК |
Кл.слова (ненормированные):
правило Хайнкольда-Гаеде -- правило Брукса и Каррузера -- правило Старджесса -- правило Фридмана и Диакониса -- Heinhold-Gaede rule -- Brooks-Carruthers rule -- Sturges rule -- Freedman-Diaconis rule -- probability density -- Nonparametric estimation -- approximation properties -- number of sampling intervals -- Scott rule -- плотность вероятности -- непараметрическая оценка -- аппроксимационные свойства -- количество интервалов дискретизации -- правило Скотта
Аннотация: Предложена методика сравнения эффективности процедур дискретизации интервала значений случайной величины при оценивании плотности вероятности. В качестве критерия эффективности использовано асимптотическое выражение среднеквадратического отклонения регрессионной оценки плотности вероятности.
The comparison procedure for the effectiveness of methods for discretization of the interval of values of a random variable at probability density estimation has been saggested. As an efficiency criterion the asymptotic expression of standard deviation of regression model of probability density has been used.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет им. акад. М. Ф. Решетнева
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
519.24
А 64
А 64
Анализ эффективности методов дискретизации интервала измерений случайной величины при оценивании плотности вероятности
[Текст] : статья / А. В. Лапко, В. А. Лапко // Информатика и системы управления. - 2015. - № 3. - С. 84-88
. - ISSN 1814-2400
Перевод заглавия: THE ANALYSIS OF EFFICIENCY OF DECOMPOSITION METHODS OF MEASUREMENTS INTERVAL OF THE RANDOM VARIABLE AT A PROBABILITY DENSITY ESTIMATION
Кл.слова (ненормированные):
обработка измерений -- плотность вероятности -- регрессионная оценка -- методы дискретизации -- measurements processing -- probability density -- regression estimation -- Decomposition methods
Аннотация: Определяется количественная зависимость аппроксимационных свойств непараметрической оценки плотности вероятности от методов дискретизации интервала измерений случайной величины. Исследуется ее особенность от объема исходных статистических данных и вида восстанавливаемой плотности вероятности.
Determined by quantitative dependence approximation properties of nonparametric estimation of the probability density of decomposition methods of measurements interval of the random variable. Its singularity from volume of initial statistical data and an aspect of a restored probability density is investigated.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет имениакадемика М.Ф. Решетнева
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
Перевод заглавия: THE ANALYSIS OF EFFICIENCY OF DECOMPOSITION METHODS OF MEASUREMENTS INTERVAL OF THE RANDOM VARIABLE AT A PROBABILITY DENSITY ESTIMATION
| УДК |
Кл.слова (ненормированные):
обработка измерений -- плотность вероятности -- регрессионная оценка -- методы дискретизации -- measurements processing -- probability density -- regression estimation -- Decomposition methods
Аннотация: Определяется количественная зависимость аппроксимационных свойств непараметрической оценки плотности вероятности от методов дискретизации интервала измерений случайной величины. Исследуется ее особенность от объема исходных статистических данных и вида восстанавливаемой плотности вероятности.
Determined by quantitative dependence approximation properties of nonparametric estimation of the probability density of decomposition methods of measurements interval of the random variable. Its singularity from volume of initial statistical data and an aspect of a restored probability density is investigated.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет имениакадемика М.Ф. Решетнева
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
Синтез структуры коллектива непараметрических регрессий
[Текст] : статья / А. В. Лапко, В. А. Лапко // Информатика и системы управления. - 2015. - № 2. - С. 53-59
. - ISSN 1814-2400
Перевод заглавия: Structure synthesis of nonparametric regression group
Кл.слова (ненормированные):
Nonparametric regression -- group of decision functions -- Asymptotic properties -- Large samples -- structure -- непараметрическая регрессия -- коллектив решающих функций -- асимптотические свойства -- большие выборки -- структура
Аннотация: На основе результатов исследования асимптотических свойств коллектива непараметрических регрессий разработана методика синтеза его структуры. Ее применение позволяет определить количество составляющих коллектива и оценить показатели его эффективности.
Based on the research results of asymptotic properties of nonparametric regression group there was developed a method of synthesis of its structure. Its application allows to determine the number of the group components and estimate its efficiency indexes.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет им. акад. М.Ф. Решетнева
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
Перевод заглавия: Structure synthesis of nonparametric regression group
| УДК |
Кл.слова (ненормированные):
Nonparametric regression -- group of decision functions -- Asymptotic properties -- Large samples -- structure -- непараметрическая регрессия -- коллектив решающих функций -- асимптотические свойства -- большие выборки -- структура
Аннотация: На основе результатов исследования асимптотических свойств коллектива непараметрических регрессий разработана методика синтеза его структуры. Ее применение позволяет определить количество составляющих коллектива и оценить показатели его эффективности.
Based on the research results of asymptotic properties of nonparametric regression group there was developed a method of synthesis of its structure. Its application allows to determine the number of the group components and estimate its efficiency indexes.
РИНЦ
Держатели документа:
Институт вычислительного моделирования СО РАН
Сибирский государственный аэрокосмический университет им. акад. М.Ф. Решетнева
Доп.точки доступа:
Лапко, Василий Александрович; Lapko V.A.; Lapko A.V.
Selection of the Optimal Number of Intervals Sampling the Region of Values of a Two-Dimensional Random Variable
[Text] / A. V. Lapko, V. A. Lapko // Meas. Tech. - 2016. - Vol. 59, Is. 2. - P122-126, DOI 10.1007/s11018-016-0928-y. - Cited References:9
. - ISSN 0543-1972. - ISSN 1573-8906
РУБ Engineering, Multidisciplinary + Instruments & Instrumentation
Аннотация: We investigate the asymptotic properties of nonparametric estimation of a two-dimensional probability density, whose synthesis involves the decomposition of statistical data. We determine the dependence of the number of two-dimensional sampling intervals on the volume of the original data.
WOS,
Смотреть статью
Держатели документа:
Russian Acad Sci IVM SO RAN, Inst Computat Modeling, Siberian Branch, Krasnoyarsk, Russia.
Siberian State Aerosp Univ, Krasnoyarsk, Russia.
Доп.точки доступа:
Lapko, A. V.; Lapko, V. A.
Рубрики:
PROBABILITY DENSITY
Кл.слова (ненормированные):
probability density -- nonparametric estimation -- approximation properties -- number of sampling intervals -- Pearson criterion
PROBABILITY DENSITY
Кл.слова (ненормированные):
probability density -- nonparametric estimation -- approximation properties -- number of sampling intervals -- Pearson criterion
Аннотация: We investigate the asymptotic properties of nonparametric estimation of a two-dimensional probability density, whose synthesis involves the decomposition of statistical data. We determine the dependence of the number of two-dimensional sampling intervals on the volume of the original data.
WOS,
Смотреть статью
Держатели документа:
Russian Acad Sci IVM SO RAN, Inst Computat Modeling, Siberian Branch, Krasnoyarsk, Russia.
Siberian State Aerosp Univ, Krasnoyarsk, Russia.
Доп.точки доступа:
Lapko, A. V.; Lapko, V. A.