بهبود کران بالای معیار کولبک - لیبلر براساس ترکیب محدب kمدل رقیب
Publish place: Journal of Statistical sciences، Vol: 4، Issue: 2
Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 173
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-4-2_004
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
یکی از مسایل اساسی در استنباط آماری انتخاب مدل بهینه از میان مدل های رقیب است. در این مقاله ثابت شده است که خطای نسبی بین دو مدل دارای خاصیت زبرجمعی است و با استفاده از آن نشان داده شده است که ترکیب محدب مدل های رقیب از نظر معیار واگرایی کولبک - لیبلر مدلی را ایجاد می کند که یا بهتر از تمام مدل های رقیب است و یا لااقل از دورترین مدل رقیب به مدل درست داده ها بهتر است بررسی شبیه سازی یافته های نظری را تایید می کنند
Keywords:
Convex Combination , Geometric Mean , Kullback-Leibler Risk , Mixture of Models , Model Selection , Relative Error , انتخاب مدل , مدل آمیخته , خطای نسبی , ترکیب محدب , معیار کولبک - لیب لر , میانگین هندسی
Authors
عبدالرضا سیاره
Department of StatisticsRazi University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :