| dc.contributor.author | Романчак, В. М. | |
| dc.coverage.spatial | Минск | ru |
| dc.date.accessioned | 2024-08-13T09:26:45Z | |
| dc.date.available | 2024-08-13T09:26:45Z | |
| dc.date.issued | 2018 | |
| dc.identifier.citation | Романчак, В. М. Сингулярные вейвлеты на конечном интервале = Singular wavelets on a finite interval / В. М. Романчак // Информатика. – 2018. – № 4. – С. 39-49. | ru |
| dc.identifier.uri | https://rep.bntu.by/handle/data/147897 | |
| dc.description.abstract | Непараметрические методы применяются в сложных случаях, когда информации о модели недостаточно. В работе развивается новый метод непараметрической аппроксимации - метод сингулярных вейвлетов. Он включает в себя численный алгоритм, основанный на суммировании рекуррентной последовательности функций. Поясняется идея метода сингулярных вейвлетов объединить теорию вейвлетов с ядерными оценками регрессии Надарая - Ватсона. Это объединение реализовано путем регуляризации вейвлет-преобразования. Обычно ядерные оценки рассматривают как пример непараметрического оценивания. Однако один параметр - размытости - все же присутствует в традиционном алгоритме ядерной регрессии. При аппроксимации методом сингулярных вейвлетов происходит суммирование ядерных оценок Надарая - Ватсона по параметру размытости. Рассматривается вариант регуляризации вейвлет-преобразования для конечного интервала. Доказываются теоремы, которые формулируют свойства вейвлет-преобразования с сингулярным вейвлетом. Предлагается алгоритм аппроксимации функции, заданной на конечном интервале, последовательностью вейвлет-преобразований. | ru |
| dc.language.iso | ru | ru |
| dc.publisher | Объединенный институт проблем информатики НАН Беларуси | ru |
| dc.title | Сингулярные вейвлеты на конечном интервале | ru |
| dc.title.alternative | Singular wavelets on a finite interval | ru |
| dc.type | Article | ru |
| local.description.annotation | Nonparametric methods are used in complex cases where model information is insufficient. A new method of nonparametric approximation, the singular wavelet method, is developed. The method includes a numerical algorithm based on the summation of a recurrent sequence of functions. The introduction explains the idea of the singular wavelet method to combine the theory of wavelets with kernel regression estimation of the Nadaraya - Watson type. This integration is realized by regularizing the wavelet transform. Usually kernel estimation is are considered as an example of nonparametric estimation. However, one parameter - the blur parameter - is still present in the traditional kernel regression algorithm. In the approximation by the method of singular value wavelet, the summation of kernel estimation of the type Nadaraya - Watson using the blur parameter takes place. In the main part of the work, the variant of wavelet transform regularization for the finite interval is considered. Theorems that formulate the properties of a wavelet transform with a singular wavelet are proved, an algorithm for approximating a function defined on a finite interval by a sequence of wavelet transforms is proposed. | ru |
