観測データをノイズ除去するための3四半分回帰【JST・京大機械翻訳】

Shankar Shiv; Sheldon Daniel; Sun Tao; Pickering John; Dietterich Thomas G.

プレプリント

J-GLOBAL ID：202202200337225792 整理番号：21P0072937

観測データをノイズ除去するための3四半分回帰【JST・京大機械翻訳】

Three-quarter Sibling Regression for Denoising Observational Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年12月31日プレプリントサーバーでの情報更新日： 2020年12月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多くの生態学的研究と保全政策は,種の野外観察に基づいており,それは観測過程によって導入された系統的変動によって影響を受ける。最近導入された「半シブリング回帰」と呼ばれる因果モデリング技術は,多重独立ランダム変数の測定における系統的誤差を検出,補正できる。しかし,変数が依存しているならば,それは固有の変動を除去し,従って,一般的な原因によって制御された種数のモデリングを含む多くの状況に適用されない。著者らは,この限界を部分的に克服するための「3分の4 sibling回帰」と呼ばれる技術を提示する。潜在変数が共通原因を観測したとき,それは系統的ノイズの影響を濾過することができた。このアプローチの理論的正当化を提供し,合成データに対するその有効性を実証し,それがガ調査における月輝度による系統的検出変動を低減することを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

数値計算

前のページに戻る