Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: regresja grzbietowa

Sortuj według:

Ogranicz wyniki do:

Application of kernel ridge regression to network levelling via Mathematica

Völgyesi L., Paláncz B., Fekete K., Popper G.

Reports on Geodesy

2005

z. 2/73

263-276

A new method based on support vector regression (SVR) bas been developed for network levelling. Employing zero insensitive margin and first order polynomial kemel, the general form of SVR bas been reduced to a kernel ridge regressor, which is a linear function approximator. Then this function approximation problem can be transformed into an adjustment problem, simply using proper recasting of the variabIes. Only one part of the measured values (training equations) is considered in the adjustment, the other part of them (test equations) is used to compute the risk of the data generalization. Then the quality of the estimation can be measured by computing the performance index of the levelling, a value which is a trade off between adjustment quality (residual of the test equations) and the adjustment risk (the ratio of the residual of the test equations and that of the training equations). This performance index can be optimized with the regularization term of the ridge regressor. The algorithm was implemented in Mathematica 5.1 and demonstrated by numerical example.

Ocena dokładności zregularyzowanej identyfikacji modelu płuc w czasie natężonego wydechu

Polak A., Mroczka J.

Pomiary Automatyka Kontrola

2000

R. 46, nr 8

23-27

Płuca w czasie natężonego wydechu opisane mogą być nieliniowym dyskretnym modelem z dwunastoma parametrami. Identyfikacja tego modelu na podstawie zarejestrowanej krzywej natężonego wydechu jest żle uwarunkowana numerycznie. W referacie przeanalizowano zregularyzowaną estymację parametrów za pomocą regresji grzbietowej. Wyniki badań symulacyjnych pokazują, że przy odpowiednim doborze macierzy regularyzacji można spodziewać się zadowalająco dokładnej estymacji pola przekroju dróg oddechowych warunkującego ich opór oraz mniej dokładnego oszacowania podatności płuc i objętości zalegającej.

Lungs during forced expiration can be described by a non-linear discrete model with twelve parameters. Identification of this model on the basis of a forced expiration curve is numerically ill-conditioned. Regularised estimation of parameters by means of the ridge regression has been analysed in the paper. Results of simulation studies show that, while matching the regularisation matrix properly, one can expect satisfying precision of estimation of the airway cross-sectional area which determines the airway resistance and less accurate assessment of the lung compliance and the residual volume.