多変量空間予測のためのコクリギング,ニューラルネットワークおよび空間ブラインドソース分離について【JST・京大機械翻訳】

Muehlmann Christoph; Nordhausen Klaus; Yi Mengxi

プレプリント

J-GLOBAL ID：202202207297073085 整理番号：21P0038792

多変量空間予測のためのコクリギング,ニューラルネットワークおよび空間ブラインドソース分離について【JST・京大機械翻訳】

On Cokriging, Neural Networks, and Spatial Blind Source Separation for Multivariate Spatial Prediction

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 (3件)： , ,
資料名：
発行年： 2020年07月01日プレプリントサーバーでの情報更新日： 2020年07月01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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

不規則にサンプリングされた場所で採取した多変量測定は,例えば土壌の地球化学分析におけるデータの一般的形態である。観測されない場所でのこれらの測定の実際的考察は,大きな関心事である。標準多変量空間予測法では,空間依存性をモデル化するだけでなく,交差依存性も必要であり,それは要求タスクとなる。最近,空間データのブラインドソース分離アプローチが提案された。実際の空間予測の前にこの空間ブラインドソース分離法を使用するとき,空間交差依存性のモデリングを避けて,それは次に空間予測タスクを著しく単純化する。本論文では,空間予測のための前処理ツールとして空間ブラインドソース分離の使用を検討し,また,広範なシミュレーション研究および地球化学データセットにおけるCokrigingおよびニューラルネットワークからの予測と比較した。【JST・京大機械翻訳】

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

信号理論

, , , ,

前のページに戻る