مقاله #35

Improvement on enhanced Monte-Carlo outlier detection method

6 صفحه

بهبود روش تشخیص داده های پرت مونته کارلو تکامل یافته

7 صفحه

ترجمه word و pdf انگلیسی

100,000 ريال

چکیده
مدل کالیبراسیون چندمتغیره با قدرت تخمین بالا وابسته به نمونه های مجموعه تمرین است. در مطالعه پیش رو ما یک روش تشخیص داده پرت ارائه و آن را برای داشتن زمان اجرای کوتاه تر توسعه می دهیم. روش تشخیص داده پرت مونته کارلو بهبود یافته(IMCOD) برای ایجاد مدل های پیش بینی متقابل جهت تعیین داده های نرمال و آنالیز توزیع پیش بینی خطاها برای تمامی داده های مبهم ارائه می شود. از چهار مجموعه داده حقیقی برای نشان دادن و اعتبار سنجی عملکرد IMCOD  استفاده شده است. پس از انتخاب نمونه ها برای مجموعه تمرینی NIR نمونه های آرد سویا، میانگین مربعات خطای تخیمن مدل PLS از مقدار 1.4811 به 0.7650 کاهش یافت. این روش باعث ایجاد مدل های مناسب برای مجموعه داده های QSAR و NIR می شود.
عبارات کلیدی: تشخیص داده پرت، نمونه برداری مونته کارلو، رگرسیون حداقل مربعات جزئی، کالیبراسیون چند متغیره

100,000 ريال