PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
  • Sesja wygasła!
  • Sesja wygasła!

Znaleziono wyników: 16

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  EM algorithm
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Parameter estimation for Weibull distribution with right censored data using EM algorithm
Ferreira L. A., Silva J. L.
Eksploatacja i Niezawodność
|
2017
|
Vol. 19, no. 2
310--315
PL
Metoda największej wiarygodności (MLE) służy do estymacji parametrów modelu statystycznego dla zadanych danych. Metoda ta pozwala na estymację nieznanych parametrów modelu statystycznego. Parametry te otrzymuje się poprzez maksymalizację funkcji wiarygodności rozważanego modelu. Często w praktyce metoda ta może jednak nastręczać trudności związane z wielomodalnością funkcji wiarygodności oraz niemożnością uzyskania jawnych analitycznych rozwiązań równań wiarygodności. Równania takie można jedynie rozwiązywać za pomocą metod numerycznych. Trudności te dobrze ilustruje estymacja parametrów rozkładu Weibulla z wykorzystaniem metody największej wiarygodności wykonywana w oparciu o prawostronnie cenzurowane dane z eksploatacji. Rozwiązanie przedstawione w niniejszej pracy opiera się na zastosowaniu algorytmu maksymalizacji wartości oczekiwanej (EM). Możliwości aplikacyjne proponowanej metodyki badano na przykładzie danych eksploatacyjnych uzyskanych z przedsiębiorstwa petrochemicznego, dotyczących awarii pięciu pomp odśrodkowych.
EN
The maximum-likelihood estimation (MLE) is a method of estimating the parameters of a statistical model for given data. This method allows us to estimate the unknown parameters of a statistical model. These parameters are obtained by maximizing the likelihood function of the model in question. In many practical situations the likelihood function is associated with complex models and the likelihood equation has no explicit analytical solution, it is only possible to have its resolution through numerical methods. The estimation of the parameters of the Weibull distribution by maximum-likelihood method based on information from a historical record with right censored data shows this difficulty. The solution presented in this article entails using the Expectation-Maximization (EM) algorithm. Actual data from the historical record of 5 centrifugal pumps failures of a petrochemical company were analyzed for application of the methodology.
2
Content available remote Estymacja i generacja sygnałów szumowych z zastosowaniem procesorów masowo-równoległych
Konopko K.
Przegląd Elektrotechniczny
|
2016
|
R. 92, nr 2
54--57
PL
W ostatnich latach wiele badań i publikacji poświęcono analizie, występujących w różnych środowiskach, sygnałów szumowych. Efektywne przetwarzanie tych szerokopasmowych zakłóceń wymaga jednak znacznej mocy obliczeniowej, którą dysponują współczesne procesory o architekturze masowo-równoległej. W artykule przedstawiono implementację algorytmu EM, wykorzystywanego do estymacji i generacji sygnałów szumowych, zrealizowaną na procesorze graficznym (GPU - graphics processing unit).
EN
A large number of researchers have been studied the characteristics of noise processes encountered in different environments. Efficient processing of the wideband disturbances demands the computational performance, which can be delivered by the massively parallel processors. The paper presents an implementation of the EM algorithm for estimating and generating signals with an arbitrary probability density function on a graphics processing unit (GPU).
3
Content available remote Missing data analysis in cyclostationary models
Drake Ch., Knapik O., Leśkow J.
Czasopismo Techniczne. Nauki Podstawowe
|
2014
|
R. 111, z. 2-NP
25--36
EN
In recent years, there has been a growing interest in modeling cyclostationary time series. The survey of Gardner and others [5] is quoting over 1500 different recently published papers that are dedicated to this topic. Data that can be reasonable modeled with such time series is often incomplete. To our knowledge, no systematic research has been conducted on that problem. This paper attempts to fill this gap. In this paper we propose to use EM algorithms to extend estimation for situation when some observations are missing.
PL
W ostatnim czasie wzrasta zainteresowanie modelowaniem cyklostacjonarnych szeregów czasowych. W pracy Gardner i inni [5] cytowane jest ponad 1500 publikacji poświęconych temu zagadnieniu. Jednakże dane, dla których model cyklostacjonarny jest zasadny, są często niekompletne. Zgodnie z nasza wiedza nie było do tej pory systematycznego omówienia tego problemu. Celem niniejszego artykułu jest uzupełnienie tej luki. W artykule proponujemy wykorzystanie algorytmu EM w celu estymacji parametrów modelu w sytuacji brakujących obserwacji.
4
Comparison of methods for initializing EM algorithm for estimation of parameters of gaussian, multi-component, heteroscedastic mixture models
Sokół R., Polański A.
Studia Informatica
|
2013
|
Vol. 34, nr 1
49--73
EN
A basic approach to estimation of mixture model parameters is by using expectation maximization (EM) algorithm for maximizing the likelihood function. However, it is essential to provide the algorithm with proper initial conditions, as it is highly dependent on the first estimation (“guess”) of parameters of a mixture. This paper presents several different initial condition estimation methods, which may be used as a first step in the EM parameter estimation procedure. We present comparisons of different initialization methods for heteroscedastic, multi-component Gaussian mixtures.
PL
Algorytm EM (ang. expectation-maximization) jest szeroko stosowanym rozwiązaniem problemu estymacji parametrów mieszanin rozkładów prawdopodobieństwa poprzez maksymalizację wiarygodności. Istotne znaczenie dla działania algorytmu mają parametry początkowe, stanowiące pierwsze przybliżenie badanej mieszaniny. Publikacja przybliża kilka metod wyznaczania warunku początkowego dla iteracji algorytmu EM oraz porównuje ich skuteczność dla przypadku heteroscedastycznych, wieloskładnikowych mieszanin rozkładów normalnych.
5
Content available remote A new study regarding the comparison of calculated and measured RSSI values under different experimental conditions
Malajner M., Benkic K., Planinsic P.
Przegląd Elektrotechniczny
|
2013
|
R. 89, nr 11
214-219
EN
This paper presents a new detailed study of comparison measured Received Signal Strength Indicator (RSSI) values, with the values being calculated by two electromagnetic (EM) wave propagation models, log-normal, and two ray ground-reflection models, respectively. Different experimental conditions were considered. We used different numbers of transmitting and receiving antennas, antennas geometrical placement and orientations-polarizations. This study was performed for long-range and short-range measurements inside and outside buildings.
PL
W artykule porównano metody pomiaru współczynnika RSSI (wskaźnik siły otrzymanego sygnału) dla dwóch modeli propagacji fali elektromagnetycznej. Stosowane różne warunki – różną liczbę anten, różne położenie anten i różne polaryzacje.
6
Content available Analysis of parameters of rail vehicles
Knopik L.
Journal of Polish CIMAC
|
2013
|
Vol. 8, no 2
32--40
EN
In this paper, mixture of two normal distributions is proposed to accommodate the values of rail vehicles parameters. We also present the most commonly used maximum likelihood estimation to fit the two component mixture of normal distribution using data sets of rail vehicles.
7
Content available remote Feeding Syntactic Versus Semantic Knowledge to a Knowledge-lean Unsupervised Word Sense Disambiguation Algorithm with an Underlying Naive Bayes Model
Hristea F., Colhon M.
Fundamenta Informaticae
|
2012
|
Vol. 119, nr 1
61-86
EN
The present paper concentrates on the issue of feature selection for unsupervised word sense disambiguation (WSD) performed with an underlying Na¨ýve Bayes model. It introduces dependency-based feature selection which, to our knowledge, is used for the first time in conjunction with the Na¨ýve Bayes model acting as clustering technique. Construction of the dependency-based semantic space required for the proposed task is discussed. The resulting disambiguation method, representing an extension of the method introduced in [15], lies at the border between unsupervised and knowledge-based techniques. Syntactic knowledge provided by dependency relations (and exemplified in the case of adjectives) is hereby compared to semantic knowledge offered by the semantic network WordNet (and examined in [15]). Our conclusion is that the Na¨ýve Bayes model reacts well in the presence of syntactic knowledge of this type and that dependency-based feature selection is a reliable alternative to the WordNet-based semantic one.
8
Content available remote Comprehensive analysis of mass spectrometry data - a case study
Plechawska-Wójcik M.
Foundations of Computing and Decision Sciences
|
2011
|
Vol. 36, No. 3-4
275-292
EN
The paper presents the results of mass spectra analysis performed with an authorial software dedicated to Maldi-Tof data. The analysis is composed of three steps: mathematical analysis, biological interpretation and classification. Several different data sets were analyzed including albumin and cancer data from Cancer Center and Insitute of Oncology in Gliwice. Data sets shared in several bioinformatics publications were also analysed and the obtained results were compared with the original results published by the authors. The case study includes also comparative analysis of a data set including overlapped peaks.
9
Content available Learning finite Gaussian mixtures using differential evolution
Kwedlo W.
Zeszyty Naukowe Politechniki Białostockiej. Informatyka
|
2010
|
Z. 5
19-33
EN
In the paper the problem of parameter estimation of finite mixture of multivariate Gaussian distributions is considered. A new approach based on differential evolution (DE) algorithm is proposed. In order to avoid problems with infeasibility of chromosomes our version of DE uses a novel representation, in which covariance matrices are encoded using their Cholesky decomposition. Numerical experiments involved three version of DE differing by the method of selection of strategy parameters. The results of experiments, performed on two synthetic and one real dataset indicate, that our method is able to correctly identify the parameters of the mixture model. The method is also able to obtain better solutions than the classical EM algorithm. Keywords: Gaussian mixtures, differential evolution, EM algorithm.
PL
W artykule rozważono problem uczenia parametrów skończonej mieszaniny wielowymiarowych rozkładów normalnych. Zaproponowano nową metodę uczenia opartą na algorytmie ewolucji różnicowej. W celu uniknięcia problemów z niedopuszczalnością chromosomów algorytm ewolucji różnicowej wykorzystuje nową reprezentację, w której macierze kowariancji są reprezentowane przy pomocy dekompozycji Cholesky’ego. W eksperymentach wykorzystano trzy wersje algorytmu ewolucji różnicowej różniące się metodą˛ doboru parametrów. Wyniki eksperymentów, przeprowadzonych na dwóch syntetycznych i jednym rzeczywistym zbiorze danych, wskazują że zaproponowana metoda jest w stanie poprawnie identyfikować parametry modelu. Metoda ta osiąga również lepsze wyniki niż klasyczyny algorytm EM.
10
Content available remote The EM Algorithm applied to determining new limit points of Mahler measures
El Otmani S., Rhin G., Sac-Epee J. M.
Control and Cybernetics
|
2010
|
Vol. 39, no 4
1185-1192
EN
In this work, we propose new candidates expected to be limit points of Mahler measures of polynomials. The tool we use for determining these candidates is the Expectation-Maximization algorithm, whose goal is to optimize the likelihood for the given data points, i.e. the known Mahler measures up to degree 44, to be generated by a specific mixture of Gaussians. We will give the mean (which is a candidate to be a new limit point) and the relative amplitude of each component of the more likely gaussian mixture.
11
Content available Mixture model of NMR - its application to diagnosis and treatment of brain cancer
Binczyk F., Tarnawski R., Polańska J.
Archives of Control Sciences
|
2010
|
Vol. 20, no. 4
457-472
EN
Nuclear Magnetic Resonance (NMR) is widely used technique in cancer diagnosis and treatment planning. It is employed to search for the high concentration regions of particular metabolites, which are directly related to the concentration of cancer cells. NMR signal maybe be characterized by a set of peaks which are representation of every distinct metabolite. Area under peak must be calculated in order to obtain proper information about metabolite amount. Commercially available software allows for the analysis of one-peak-in-time only. The proposed technique, based on Gaussian Mixture Model (GMM), allows for modeling all-peaks-in-time, and corrects after the neighboring peaks giving more accurate estimates of metabolite concentration. The resulting software processes NMR signal from the very beginning up to the final result, which is given in a form of so called metabolite map.
12
Content available An application of expectation-maximization for model verification
Łukawska B., Łukawski G., Sapiecha K.
Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
|
2010
|
Vol. 10, no. 1
15--27
EN
A description which summarizes entire and usually big set of data is called its model. The problem investigated in the paper consists in verification of models of data coming from a simulation experiment of selecting candidates for operators of mobile robot (more strictly building reliable predictive model of the data). The models are validated using train-and-test method and verified with the help of the EM (expectation-maximization) algorithm which was originally designed for solving clustering problems with missing data. Actually, the selecting is a clustering problem because the candidates are assigned to ‘chosen’, ‘accepted’ or ‘rejected’ subgroups. For such a case the missing data is the category (the subgroup) for which a candidate should be assigned on the basis of his activity measured during the simulation experiment. The paper explains the procedure of model verification. It also shows experimental results and draws conclusions.
13
Content available Multivariate kernel density estimation with a parametric support
Jarnicka J.
Opuscula Mathematica
|
2009
|
Vol. 29, no. 1
41-55
EN
We consider kernel density estimation in the multivariate case, focusing on the use of some elements of parametric estimation. We present a two-step method, based on a modification of the EM algorithm and the generalized kernel density estimator, and compare this method with a couple of well known multivariate kernel density estimation methods.
14
Content available remote Adjective Sense Disambiguation at the Border Between Unsupervised and Knowledge-Based Techniques
Hristea F., Popescu M.
Fundamenta Informaticae
|
2009
|
Vol. 91, nr 3-4
547-562
EN
The present paper extends a new word sense disambiguation method [9] to the case of adjectives. The method lies at the border between unsupervised and knowledge-based techniques. It performs unsupervised word sense disambiguation based on an underlying Näive Bayes model, while using WordNet as knowledge source for feature selection. The proposed extension of the disambiguation method makes ample use of the WordNet semantic relations that are typical of adjectives. Its performance is compared to that of previous approaches that rely on completely different feature sets. Test results show that feature selection using a knowledge source of type WordNet is more effective in the disambiguation of adjective senses than local type features (like part-of-speech tags) are.
15
Ocena skokowych zmian procesu losowego z wykorzystaniem algorytmu Expectation-Maximization (EM) na przykładzie zmiennych w czasie profili ekspresji genów bakterii deinococcus radiodurans
Łuszczkiewicz M., Polański A.
Zeszyty Naukowe. Automatyka / Politechnika Śląska
|
2006
|
z. 145
125-137
PL
Bardzo często w naukach biomedycznych przeprowadzane eksperymenty polegają na obserwacji zjawisk przy jednoczesnym mierzeniu odpowiedzi systemu w pewnym horyzoncie czasowym. Istnieje tylko kilka metod analizy zmiennych w czasie profili genów. W artykule zaproponowano metodę grupowania genów w poszczególnych chwilach czasu, których poziom ekspresji może być indukowany tym samym/tymi samymi sygnałami, co w efekcie powoduje, iż geny te wykazują podobny poziom ekspresji. W celu budowy modelu wykorzystano złożenia rozkładów normalnych Gaussa (Gaussian Mixture Models) wraz z algorytmem Expectation-Maximization (Dempster, Liard, Rubin 1977, Bilmes 1998). W przeciwieństwie do wielu innych metod, których wyniki silnie zależą od zastosowanych miar i parametrów, zaproponowany model nie posiada żadnych predefiniowalnych parametrów, tak wiec wyniki można uznać za wiarygodniejsze. Z uwagi na swoją konstrukcję może on zostać łatwo zaadaptowany do badania danych o innej strukturze.
EN
Observation of a biological phenomenon over a certain period of time simultaneously measuring object responses is a common practice in biomedical research. On the other hand there are only several methods of time-course data analysis. We propose method of grouping genes which expression's levels were measured in several time points, assuming that grouped gene's expression levels are induced by the same factor/factors. Due to built a model, we used Gaussian Mixture Model combined with Expectation-Maximization algorithm. In opposition to many other methods which results are strongly correlated to choice of parameters and methods, proposed approach's results are more stable due to lack of predefined parameters. Moreover, our model can be easily adapted to different experiment structure (several patients with same disease but treated with different drugs).
16
Content available remote Model-Based Feature Compensation for Robust Speech Recognition
Shen H., Li Q., Guo J., Liu G.
Fundamenta Informaticae
|
2006
|
Vol. 72, nr 4
529-539
EN
This paper proposes a novel robust speech recognition approach based on the model-based feature compensation. The approach combines the GMM-based feature compensation and the HMM-based feature compensation together and employs the multiple recognition passes to achieve the best performance. In the initial recognition procedure, the GMM-based feature compensation approach is employed to give better clean model and noise model. Then we further refine these models by employing the HMM-based feature compensation approach. The statistical model of the clean speech and the noise is combined by using vector Taylor series (VTS) approximation. The experimental results show that the novel approach makes a significant improvement compared to the GMM-based feature compensation and the HMM-based feature compensation without any compensation in the initial pass.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.