MétaCan
Menu
Retour à la cohorte
Enregistrement W2147582729 · doi:10.1109/tsp.2010.2062510

On Construction and Simulation of Autoregressive Sources With Near-Laplace Marginals

2010· article· en· W2147582729 sur OpenAlexaff
M. Pawlak, Pradeepa Yahampath

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAutoregressive modelApplied mathematicsLaplace transformMarginal distributionLaplace distributionBivariate analysisAlgorithmMonte Carlo methodSTAR modelComputer scienceGaussian processSeries (stratigraphy)GaussianMathematicsTime seriesAutoregressive integrated moving averageStatisticsMachine learningRandom variableMathematical analysis

Résumé

récupéré en direct d'OpenAlex

In this paper, we focus upon the problem of modeling and simulation of stationary non-Gaussian time series. In particular, we consider a first order autoregressive process whose marginal distribution is close to the Laplace density. This model allows us to simulate correlated non-Gaussian signals typically appearing in speech analysis, compression, and noise synthesis. The Monte Carlo rejection method is applied to develop efficient algorithms for simulation of the proposed autoregressive process. We also extend our theory and algorithms to the related issue of constructing a correlated bivariate time-series model with near-Laplace margins. A theoretical analysis of the average complexity of the proposed simulation algorithms is included.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,763
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,266
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetAdvanced Data Compression TechniquesTravaux en français237 207