W obliczeniach liniowej regresji dla danych które nie są homoscedastyczne najdogodniej zastosować metodę regresji ważonej. Celem artykułu jest pokazanie jaki wpływ na najlepiej dopasowaną prostą regresji ważonej miałoby dodanie nowego punktu pomiarowego. Dzięki temu możliwe jest lepsze planowanie eksperymentu.
EN
When we want to calculate a linear regression line for data that is not homoscedastic, the simplest way to do this is to use weighted least squares regression. The aim of this article is to show what influence the addition of a new measurement point has on the course of "best line" in weighted regression. In this way, the experiment can be planned better.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
A class of nonparametric smoothing kernel methods for image processing and filtering that possess edge-preserving properties is examined. The proposed approach is a nonlinearly modified version of the classical nonparametric regression estimates utilizing the concept of vertical weighting. The method unifies a number of known nonlinear image filtering and denoising algorithms such as bilateral and steering kernel filters. It is shown that vertically weighted filters can be realized by a structure of three interconnected radial basis function (RBF) networks. We also assess the performance of the algorithm by studying industrial images.
W diagnostyce, krzywe zużycia narzędzi odgrywają ważną rolę pomocną w ocenie stopnia uszkodzenia ich powierzchni kontaktowych. W artykule przedstawiono wykorzystanie algorytmu niezależnej regresji jako alternatywę dla procedur szeregów czasowych aktualnie stosowanych. Zastosowana metoda pozwala na uwzględnienie niepewności przebiegu krzywej zużycia.
EN
In diagnostic of machine tools, the wear curves are principal indicators of degree the degradation of tools contact surfaces. The paper presents the use of independent weighting regression algorithm as an alternative method to the currently applied time series procedures. The method allows for uncertainties of determine wear curve. This method makes it possible to take into account uncertainties in determining the wear curie.
The paper compares global end local approximation methods used in inverse problems. Global approximators are represented by feedforward multilayer neural network (FFNN); local approximators are represented by Locally Weighted Regression (LWR) and Receptive Field Weighted Regression (RFWR).
PL
W artykule porównano metody globalnej i lokalnej aproksymacji w zagadnieniach odwrotnych. Aproksymatory globalne reprezentuje wielowarstwowa sieć neuronowa ze sprzężeniem do przodu (FFNN), natomiast aproksymatory lokalne regresja lokalnie ważona (LWR) oraz regresja ważona pola otwartego (RFWR).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.