Bağlam ağaçları ile ardışık doğrusal olmayan bağlanım

Simple item page
dc.citation.epage1868en_US
dc.citation.spage1865en_US
dc.contributor.authorVanlı, N. Denizcanen_US
dc.contributor.authorKozat, Süleyman S.en_US
dc.coverage.spatialTrabzon, Turkey
dc.date.accessioned2016-02-08T11:34:47Z
dc.date.available2016-02-08T11:34:47Z
dc.date.issued2014-04en_US
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionDate of Conference: 23-25 April 2014
dc.description22nd Signal Processing and Communications Applications Conference (SIU), 2014
dc.description.abstractBu bildiride, ardışık doğrusal olmayan bağlanım problemi incelenmiş ve bağlam ağaçları kullanarak etkili bir öğrenme algoritması sunulmuştur. Bu amaçla, bağlanım alanı parçalara ayrılmış ve oluşan bölgeler bağlam ağacı ile simgelenmiştir. Her bölgede bağımsız bağlanım algoritmaları kullanılarak bağlam ağacı tarafından gösterilebilen tüm doğrusal olmayan modellerin kestirimleri, hesaplama karmaşıklığı bağlam ağacının düğüm sayısıyla doğrusal olan bu algoritma ile uyarlanır olarak birleştirilmiştir. Önerilen algoritmanın performans limitleri, veriler üzerinde istatistiksel varsayımlarda bulunmaksızın incelenmiştir. Ayrıca, teorik sonuçları izah etmek için sayısal bir örnek sunulmuştur.
dc.description.abstractIn this paper, we consider the problem of sequential nonlinear regression and introduce an efficient learning algorithm using context trees. Specifically, the regressor space is partitioned and the resulting regions are represented by a context tree. In each region, we assign an independent regression algorithm and the outputs of the all possible nonlinear models defined on the context tree are adaptively combined with a computational complexity linear in the number of nodes. The upper bounds on the performance of the algorithm are also investigated without making any statistical assumptions on the data. A numerical example is provided to illustrate the theoretical results. © 2014 IEEE.
dc.description.provenanceMade available in DSpace on 2016-02-08T11:34:47Z (GMT). No. of bitstreams: 1 bilkent-research-paper.pdf: 70227 bytes, checksum: 26e812c6f5156f83f0e77b261a471b5a (MD5) Previous issue date: 2014en
dc.identifier.doi10.1109/SIU.2014.6830617en_US
dc.identifier.urihttp://hdl.handle.net/11693/26753
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttp://dx.doi.org/10.1109/SIU.2014.6830617en_US
dc.source.title22nd Signal Processing and Communications Applications Conference, SIU 2014 - Proceedingsen_US
dc.subjectAdaptiveen_US
dc.subjectContext treeen_US
dc.subjectNonlinear regressionen_US
dc.subjectSequentialen_US
dc.subjectAlgorithmsen_US
dc.subjectRegression analysisen_US
dc.subjectSignal processingen_US
dc.subjectEfficient learningen_US
dc.subjectNon-linear modelen_US
dc.subjectNon-linear regressionen_US
dc.subjectRegression algorithmsen_US
dc.subjectRegressor spaceen_US
dc.subjectSequentialen_US
dc.subjectTrees (mathematics)en_US
dc.titleBağlam ağaçları ile ardışık doğrusal olmayan bağlanımen_US
dc.title.alternativeSequential nonlinear regression via context treesen_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Sequential nonlinear regression via context trees [Baǧlam aǧaçlari ile ardişik doǧrusal olmayan baǧlanim].pdf
Size:
354.45 KB
Format:
Adobe Portable Document Format
Description:
Full printable version
Download

Collections

Scholarly Publications - Electrical and Electronics Engineering