کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4967893 | 1449387 | 2016 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
On a near optimal sampling strategy for least squares polynomial regression
ترجمه فارسی عنوان
در استراتژی نمونه گیری مطلوب بهینه برای رگرسیون چند جملهای کوچکترین مربع
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
رگرسیون چندجملهای، کمترین مربعات، عملکرد کریستفول،
ترجمه چکیده
ما یک استراتژی نمونه برداری از رگرسیون چندجمله ای از مربع ها ارائه می دهیم. این استراتژی ترکیبی از دو روش اخیر برای روش های کوچکترین مربع است: الگوریتم کمترین مربعات کریستوفل و نمونه برداری شبه مطلوب. به طور خاص، استراتژی جدید ما ابتدا نمونه هایی از اندازه گیری تعادل پلورپتیک را انتخاب می کنیم و سپس نمونه ها را با الگوریتم شبه مطلوب مرتب می کنیم. یک مشکل کمترین مربع با توجه به نمونه کوچک (کوچک) کوچکتر برای به دست آوردن نتیجه رگرسیون حل می شود. سپس نشان داده شده است که استراتژی جدید، یک روش کمترین مربع چندجمله ای با دقت بالا و پایداری قوی در تقریبا حداقل تعداد نمونه ها را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
We present a sampling strategy of least squares polynomial regression. The strategy combines two recently developed methods for least squares method: Christoffel least squares algorithm and quasi-optimal sampling. More specifically, our new strategy first choose samples from the pluripotential equilibrium measure and then re-order the samples by the quasi-optimal algorithm. A weighted least squares problem is solved on a (much) smaller sample set to obtain the regression result. It is then demonstrated that the new strategy results in a polynomial least squares method with high accuracy and robust stability at almost minimal number of samples.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 326, 1 December 2016, Pages 931-946
Journal: Journal of Computational Physics - Volume 326, 1 December 2016, Pages 931-946
نویسندگان
Yeonjong Shin, Dongbin Xiu,