Combining, Modelling and Analyzing Imprecision, Randomness and Dependence

Cập nhật vào: Thứ sáu - 08/08/2025 17:07

Nhan đề chính: Combining, Modelling and Analyzing Imprecision, Randomness and Dependence
Nhan đề dịch: Tổng hợp, mô hình hóa và phân tích các yếu tố bất định, ngẫu nhiên và phụ thuộc
Tác giả: Jonathan Ansari
Nhà xuất bản: Springer Cham
Năm xuất bản: 2024
Số trang: 579 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-3-031-65993-5
SpringerLink
Lời giới thiệu: Tài liệu gồm hơn 65 bài báo được bình duyệt tương ứng với các bài thuyết trình tại Hội nghị lần thứ 11 về Phương pháp mềm trong Xác suất và Thống kê (SMPS) được tổ chức tại Salzburg, Áo, vào tháng 9 năm 2024. Sách đề cập đến những tiến bộ gần đây trong lĩnh vực xác suất, thống kê và khoa học dữ liệu, đặc biệt tập trung vào việc giải quyết sự phụ thuộc, thông tin không chính xác và không đầy đủ. Phản ánh thực tế rằng khoa học dữ liệu tiếp tục phát triển, cuốn sách đóng vai trò là cầu nối giữa các nhóm chuyên gia khác nhau, bao gồm các nhà thống kê, nhà toán học, nhà khoa học máy tính và kỹ sư, đồng thời khuyến khích nghiên cứu liên ngành. Các đóng góp được chọn bao gồm nhiều chủ đề như xác suất không chính xác, tập ngẫu nhiên, hàm niềm tin, lý thuyết khả năng và mô hình phụ thuộc. Người đọc sẽ tìm thấy các cuộc thảo luận về cụm, khái niệm chiều sâu, giảm chiều và độ mạnh mẽ, phản ánh cam kết của hội nghị trong việc giải quyết các thách thức trong thế giới thực thông qua các phương pháp sáng tạo.
Từ khóa: Dữ liệu; Máy tính; Xác suất; Thống kê.
Nội dung cuốn sách gồm những phần sau:
- Tổng hợp các khởi tạo ngẫu nhiên cho cụm tuyến tính mạnh mẽ
- Một nghiên cứu thực nghiệm về các phương pháp lựa chọn biến đa đầu ra không có mô hình mới
- Giảm thiểu sự khác biệt tuyệt đối mong đợi với Copula liên tục cố định
- Một quy tắc dừng EM để tránh thoái hóa trong phân cụm dựa trên Gaussian với dữ liệu bị thiếu
- Định lý giới hạn cho kỳ vọng lồi
- Toán tử trung bình có trọng số chung (JWA)
- Một phương pháp tiếp cận mô hình Bayesian để phân tích dữ liệu mờ
- Điều kiện hợp thành và tập hợp mờ
- Giới hạn trên của đa thức sắc nét trên phương sai
- Phân cụm phân cấp và thuật toán CoClust: Một thủ tục lồng nhau để phân tích dữ liệu sưởi ấm bền vững
- Triển khai cụm mờ cho dữ liệu lớn trong R
- Trên Copula giá trị cực đại bivariate điển hình về mặt tôpô
- Học bán giám sát được hướng dẫn bởi Quy tắc Bayes tổng quát theo Sửa đổi mềm
- Phân cụm dựa trên sự khác biệt với ràng buộc gần mềm
- Phân cụm mờ dựa trên Copula của dữ liệu đếm với khoảng cách biến thiên tổng thể
- Thiếu trong Phân tích sinh tồn
- Phạm trù Markov nhân quả và lý thuyết khả năng
- Phân tích độ nhạy trong việc lựa chọn thang đo trên hệ số -Cronbach's α cho dữ liệu có giá trị khoảng trong bảng câu hỏi
- Về mô hình hồi quy tuyến tính cho các phần tử ngẫu nhiên có giá trị tập hợp hình sao
- Kiểm tra độ sâu dựa trên hai mẫu cho sự phân tán trong môi trường mờ
- Học tăng cường siêu dữ liệu sâu để thích ứng nhanh trong các quy trình ra quyết định Markov tuyến tính: Ứng dụng cho dự án AWAKE của CERN
- Tổng hợp các chuỗi thời gian không đồng nhất không dừng bằng cách sử dụng P-Box
- Tìm kiếm dựa trên Entropy cho các hàm tin tưởng có nhiều thông tin nhất
- Ước tính Giá trị rủi ro có điều kiện trong Mô hình tuyến tính
- Các mô hình lỗi phổ biến trong biến
- Tăng cường dữ liệu với ChatGPT để đánh giá sự phù hợp của chủ thể
- Tác động của tình cảm trong giao tiếp mạng xã hội
- Xây dựng các biện pháp phụ thuộc thông qua độ nhạy của phân phối có điều kiện
- Phát hiện khói thải bằng học sâu
- Định lượng sự phụ thuộc có hướng với Tau của Kendall
- Một số lưu ý về Copula bán tuyến tính dưới hai biến
- Xử lý dữ liệu không đầy đủ trong bảng dự phòng hai chiều với biến ba cấp
- Khám phá các thuật toán học tăng cường sâu để tăng cường kiểm soát HVAC
- Phân cụm trên hình cầu d chiều: Xu hướng mới nhất và vai trò của các mô hình mật độ dựa trên hạt nhân Poisson
- Tổng hợp các mô hình biến dạng gây ra bởi sự phân kỳ KL và khoảng cách Euclidean
- Tự vận chuyển tối ưu được điều chỉnh là hỗn hợp Gaussian gần đúng có khả năng tối đa
- Lệnh ngẫu nhiên trong điều kiện không chắc chắn
- Điều kiện cho trật tự ngẫu nhiên đa biến dưới sự bất định phụ thuộc
- Lựa chọn biến để phân cụm dữ liệu ba chiều
- Phát hiện ngoại lệ chức năng
- Phương pháp chắp vá cho Copula bán biến đa biến
- Phát hiện tuần tự điểm thay đổi tối ưu trong chuỗi thời gian tự hồi quy
- Bảng dự phòng đa chiều với lề đồng đều
- Xấp xỉ bậc thấp của ma trận dữ liệu sử dụng phân tích thành phần chính thưa thớt mạnh mẽ
- Học tăng cường đa tác nhân và ứng dụng của nó vào truyền thông mạng không dây
- Xác định thứ tự trong các mô hình tách nguồn bậc hai bằng cách sử dụng tăng cường dữ liệu
- Phân cụm dữ liệu thứ tự thông qua các mô hình tiết kiệm
- Sự mạnh mẽ trong LiNGAM
- So sánh các vectơ ngẫu nhiên hai biến theo phương tiện sở thích thống kê
- Quy tắc quyết định mới cho suy luận thống kê mờ
- Học tập trong việc tái tạo không gian Hilbert hạt nhân cho các quỹ đạo của hệ thống hàm lặp
- Phân tích so sánh các quy tắc tổng hợp cho các dự đoán thấp hơn mạch lạc
- Copulas và chuẩn mực tam giác: Điểm chung và khác biệt được chọn
- Đặc điểm của Copula phụ thuộc ẩn đa biến
- Học tăng cường dựa trên Python trên các mô hình Simulink
- Thống kê ứng dụng trong công nghiệp: Xác định biến mục tiêu phù hợp và phân tích các yếu tố ảnh hưởng đến chất lượng thỏi nhôm
- Medoids mờ dựa trên khoảng cách kiểu L1
- Ước lượng S mờ
- Đảo ngược chuỗi Markov không đồng nhất và không chính xác
- Tỷ lệ kích thước nội tại tối thiểu cho vận chuyển tối ưu entropic
- Tạo ra các mô hình xác suất bởi các chuyên gia: Một nghiên cứu điển hình
- Biến khả năng và nửa vành Akian
- PCA thưa thớt mạnh mẽ với R
- Kiểm duyệt phụ thuộc dựa trên Copulas
- Ước tính mạnh mẽ dựa trên phương sai Wavelet của các mô hình ngẫu nhiên tổng hợp
- Giao điểm của các tập hợp được dịch ngẫu nhiên
- Phân cụm biến phân cấp dựa trên các biện pháp dự đoán
- Lý thuyết độ lệch lớn không có biện pháp xác suất

Combining, Modelling and Analyzing Imprecision, Randomness and Dependence

Những tin mới hơn

Những tin cũ hơn