MétaCan
Menu
Retour à la cohorte
Enregistrement W2164358887 · doi:10.1109/isit.1991.695217

on Nonparametric Estimation of a Cascade Nonlinear System by the Kernel Regression Estimate

2005· article· en· W2164358887 sur OpenAlexaff
M. Pawlak, Włodzimierz Greblicki

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueControl Systems and Identification
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésKernel (algebra)Nonlinear systemNonparametric statisticsNonparametric regressionKernel regressionMathematicsSeries (stratigraphy)Applied mathematicsKernel density estimationCascadeKernel methodFredholm integral equationNonlinear elementMathematical optimizationComputer scienceStatisticsIntegral equationArtificial intelligenceMathematical analysisEstimatorSupport vector machine

Résumé

récupéré en direct d'OpenAlex

The problem of estimation of a nonlinear time series model which is a cascade composition of nonlinear element and linear stochastic process is considered. The problem of nonparametric estimation of the underlying nonlinearity is examined. It is resolved by solving Fredholm's integral equations of the second kind arising in the estimation problem. As a result, the nonparametric estimate, being the combination of the kernel and orthogonal series regression estimates, of nonlinearity is derived and its asymptotic properties are established. PaDer Summary This paper concerns with the following nonlinear time series del

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,244

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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,234
Écart entre enseignants0,228 · 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
GenreEmpirique

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

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetControl Systems and IdentificationTravaux en français237 207