دوره 21، شماره 4 - ( 10-1403 )
جلد 21 شماره 4 صفحات 14-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kazemi M. Group Descent Algorithm in Penalized Nonparametric Additive Model. jor 2024; 21 (4) :1-14
URL: http://jamlu.liau.ac.ir/article-1-2163-fa.html
URL: http://jamlu.liau.ac.ir/article-1-2163-fa.html
کاظمی محمد. الگوریتم کاهش گروهی در مدل جمعی ناپارامتری تاوانیده. تحقیق در عملیات در کاربردهای آن. 1403; 21 (4) :1-14
گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران ، m.kazemi@guilan.ac.ir
چکیده: (494 مشاهده)
مدل جمعی ناپارامتری یکی از مدل های رایج برای مدلسازی رابطه بین متغیرها است. در این مقاله، مدل جمعی ناپارامتری بعد بالا را در نظر می گیریم که در آن تعداد متغیرهای توضیحی می تواند از تعداد مشاهدات بیشتر باشد، اما تعداد متغیرهای توضیحی موثر بر پاسخ نسبت به تعداد مشاهدات، کوچک است. وقتی تعداد متغیرهای توضیحی مدل زیاد باشد، تفسیر مدل مشکل‌تر و هزینه محاسبات افزایش مییابد. لذا، شناسایی متغیرهای توضیحی موثر بر پاسخ یا مولفه های جمعی غیرصفر در این مدل بسیار مهم است. بدین منظور، ابتدا مولفه های جمعی را با استفاده از پایه های B - اسپلاین تقریب می‌زنیم. با به کارگیری این تقریب، مساله انتخاب متغیر به انتخاب گروه هایی از ضرایب غیرصفر تبدیل می شود. سپس از تابع های تاوان گروهی برای انتخاب ضرایب غیرصفر استفاده می کنیم. این امر معمولاً با مینیمم کردن مجموع توان های دوم خطا تحت یک شرط محدودکننده انجام میشود. مینیمم کردن این تابع هدف تاوانیده مستلزم استفاده از روش های بهینه‌سازی است. در این مقاله از الگوریتم کاهش گروهی برای حل مساله مینیمم سازی فوق استفاده میشود. در پایان، عملکرد این الگوریتم تحت سه تابع تاوان مختلف، با مطالعات شبیه‌سازی و تحلیل یک مجموعه داده واقعی بررسی میشود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
