ترجمه فارسی مقاله یک رویکرد متوالی شبه بیزی برای تخمین چگالی دکانولوشن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A quasi-Bayesian sequential approach to deconvolution density estimation
عنوان مقاله به فارسی یک رویکرد متوالی شبه بیزی برای تخمین چگالی دکانولوشن
نویسندگان Stefano Favaro, Sandra Fortini
فرمت مقاله انگلیسی PDF
تعداد صفحات 62
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Methodology,Machine Learning,روش شناسی , یادگیری ماشین ,
توضیحات Submitted 26 August, 2024; originally announced August 2024. , Comments: 62 pages
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 62 صفحه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Density deconvolution addresses the estimation of the unknown (probability) density function $f$ of a random signal from data that are observed with an independent additive random noise. This is a classical problem in statistics, for which frequentist and Bayesian nonparametric approaches are available to deal with static or batch data. In this paper, we consider the problem of density deconvolution in a streaming or online setting where noisy data arrive progressively, with no predetermined sample size, and we develop a sequential nonparametric approach to estimate $f$. By relying on a quasi-Bayesian sequential approach, often referred to as Newton's algorithm, we obtain estimates of $f$ that are of easy evaluation, computationally efficient, and with a computational cost that remains constant as the amount of data increases, which is critical in the streaming setting. Large sample asymptotic properties of the proposed estimates are studied, yielding provable guarantees with respect to the estimation of $f$ at a point (local) and on an interval (uniform). In particular, we establish local and uniform central limit theorems, providing corresponding asymptotic credible intervals and bands. We validate empirically our methods on synthetic and real data, by considering the common setting of Laplace and Gaussian noise distributions, and make a comparison with respect to the kernel-based approach and a Bayesian nonparametric approach with a Dirichlet process mixture prior.

چکیده به فارسی (ترجمه ماشینی)

تجزیه چگالی تخمین عملکرد چگالی ناشناخته (احتمال) $ f $ از یک سیگنال تصادفی از داده هایی که با یک نویز تصادفی افزودنی مستقل مشاهده می شوند.این یک مشکل کلاسیک در آمار است که برای آن رویکردهای غیرپارامتری مکرر و بیزی برای مقابله با داده های استاتیک یا دسته ای در دسترس است.در این مقاله ، ما مشکل تجزیه چگالی را در یک جریان یا تنظیم آنلاین در نظر می گیریم که داده های پر سر و صدا به تدریج وارد می شوند ، بدون اندازه نمونه از پیش تعیین شده ، و ما یک رویکرد غیر پارامتری پی در پی برای برآورد F $ $ ایجاد می کنیم.با تکیه بر یک رویکرد پی در پی شبه بویایی ، که اغلب به عنوان الگوریتم نیوتن گفته می شود ، تخمین هایی از $ F $ را دریافت می کنیم که از ارزیابی آسان ، محاسباتی کارآمد و با هزینه محاسباتی که با افزایش مقدار داده ها ثابت می ماند ، است ، یعنیدر تنظیم جریان بسیار مهم است.خصوصیات بدون علامت نمونه از برآوردهای پیشنهادی مورد بررسی قرار گرفته است ، با توجه به تخمین F $ $ در یک نقطه (محلی) و در یک بازه (یکنواخت) ، ضمانت های قابل اثبات را به دست می آورند.به طور خاص ، ما قضایای محدودیت مرکزی محلی و یکنواخت را ایجاد می کنیم ، فواصل و باندهای معتبر بدون علامت را ارائه می دهیم.ما با در نظر گرفتن تنظیمات مشترک توزیع نویز لاپلاس و گاوسی ، روشهای خود را در مورد داده های مصنوعی و واقعی تأیید می کنیم و با توجه به رویکرد مبتنی بر هسته و یک رویکرد غیر پارامتری بیزی با مخلوط فرآیند Dirichlet قبل از مقایسه ، مقایسه می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.