PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Czasopismo
2008 | Vol. 29, nr 3A | 71-90
Tytuł artykułu

Estymacja jądrowa w predykcji szeregów czasowych

Wybrane pełne teksty z tego czasopisma
Warianty tytułu
EN
Kernel estimation in the time series prediction
Języki publikacji
PL
Abstrakty
PL
Artykuł opisuje problem predykcji w szeregach czasowych. Autorzy opisują modyfikację algorytmu jądrowego, którą porównują z metodą dekompozycji. W wyniku zastosowania zmodyfikowanego algorytmu zmniejszono błąd predykcji o jedną trzecią w porównaniu z najlepszym wynikiem uzyskanym metodą dekompozycji. Do eksperymentów użyto zarówno danych syntetycznych, jak i rzeczywistych.
EN
This paper raises a problem of time series prediction. Authors describe a modification of kernel prediction and compare it with the time series decomposition. The final prediction error was decreased by one third in comparison with the best result of time series decomposition. Experiments were conducted on the real and synthetic data.
Wydawca

Czasopismo
Rocznik
Strony
71-90
Opis fizyczny
Bibliogr. 25 poz.
Twórcy
autor
autor
  • Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki, Instytut Informatyki Gliwice, ul. Akademicka 16, pokój 411, marcin.michalak@polsl.pl
Bibliografia
  • 1. Bielińska E.: Metody prognozowania. Wydawnictwo Śląsk, Katowice 2002.
  • 2. Boser B. E., Guyou M. I., Vapnik V.: A training algorithm for optimal margin classifiers. Fifth Annual Workshop on Computational Learning Theory, Pittsburgh 1992.
  • 3. Box J. E. P., Jenkins G. M.: Analiza szeregów czasowych. PWN, Warszawa 1992.
  • 4. Bowrnan A.: An alternative method of cross-validation for the smoothing of density estimates. Biometrika, 71, 1984, s. 353-360.
  • 5. Cao L. J., Tay F.: Support vector Machine With Adaptive Parameters in Financial Time Series Forecasting, IEEE Transactions on Neural Networks, Volume 14, Issue 6, Nov. 2003, s. 1506-1518.
  • 6. Diun R P. W.: On the choice of smootling parameters of Parzen estimators of probability density functions. IEEE Transactions on Computers, C-25, 1976, 1175-1179.
  • 7. Fan J., Gijbels I.: Variable band with and local linear regression smoothers. The Annals of Statistics, 1992, Vol. 20, No. 4, s. 2008-2036.
  • 8. Gajek L., Kałuszka M.: Wnioskowanie statystyczne. WNT, Warszawa 2000
  • 9. Gasser T., Kneip A., Kohler W.: A flexible and fast method for authomatic smoothing. Journal of the American Statistical Association, 1991, Vol. 86, No. 415, s. 643-652.
  • 10. Gasser T., Muller H. G.: Estnnatmg Regression Functiou and Their Derivatives by the Kernel Method. Scandinavian Journał of Statistics, 11, 1984, s. 171-185.
  • 11. Habbema J. D. F., Heimans J., van den Broek K: A stepwise discrimination analysis program using density estimation. Compstat 1974: Proceedings in Computational Statistic, Physica Verlag, Vienna 1974.
  • 12. Hall P.. Marron J. S., Park B. U.: Smoothed Cross-Validation. Probability Theory and Related Fields, Vol. 92, No. 1, 1992, s. 1-20.
  • 13. Hardle W.: Smoothing Techniques With Implementation in S. Springer, New York 1991.
  • 14. Jóźwiak J., Podgórski J.: Statystyka od podstaw. PWE. Warszawa 2006.
  • 15. Koronacki J., Ćwik J.: Statystyczne systemy uczące się. WNT, Warszawa 2005.
  • 16. Kulczycki P.: Estymatory jądrowe w analizie systemowej. WNT, Warszawa 2005.
  • 17. Michalak M., Stąpor K: Ocena rzeczywistej wydajności wybranych regresorów. Studia Informatica, Vol. 29, No. 1 (75), s 23-34,2008.
  • 18. Rudemo M.: Empirical choice of histograms and kernel density estimators. Scandinavian Journal of Statistics, 9, 1982, s. 65-78.
  • 19. Scott D. W., Tapia R. A., Thompson J. R: Kernel density estimation revisited. Nonlinear Analysis, Theory, Methods and Applications, 1,1977, s. 339-K572.
  • 20. Scott D. W., Terrell G. R: Biased and Unbiased Cross-Validation in Density Estimation. Journal of the American Statistical Association. 82, 1987. s. 1131-1146.
  • 21. Scott D. W.: Multivariate Density Estimation: Theory, Practice and Visualization. Wiley. 1992.
  • 22. Silverman B,: Density estimation for statistics and data analysis. 1986, Monographs on Statistics and Applied Probability 26
  • 23. Terrell G. R.: The Maximal Smoothing Principle in Density Estimation. Journal of the American Statistical Association. 85, (1990), s. 470-477.
  • 24. Tiulach B. A.: Bandwidth Selection in Kernel Density Estimation: A Review. CORE and Institut de Statistique.
  • 25. Woodroofe M.: On Choosing a Delta-Sequence. The Annals of Mathematical Statistics, Vol. 41, No. 5, 1970, s. 1665-1671
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-article-BSL3-0017-0048
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.