Data Forecasting and Extrapolation via Probability Distribution and Nodes Combination
PBN-AR
Instytucja
Wydział Elektroniki i Informatyki (Politechnika Koszalińska)
Informacje podstawowe
Główny język publikacji
angielski
Czasopismo
Zeszyty naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
ISSN
ISSN 1897-7421
EISSN
Wydawca
Wydawnistwo Naukowe Politechniki Koszalińskiej
DOI
Rok publikacji
2015
Numer zeszytu
Strony od-do
25-37
Numer tomu
8
Identyfikator DOI
Liczba arkuszy
Autorzy
(liczba autorów: 1)
Open access
Tryb otwartego dostępu
Inne
Wersja tekstu w otwartym dostępie
Wersja opublikowana
Licencja otwartego dostępu
Inna
Czas opublikowania w otwartym dostępie
Po publikacji
Ilość miesięcy od publikacji
1
Data udostępnienia w sposób otwarty
Streszczenia
Język
en
Treść
Proposed method, called Probabilistic Nodes Combination (PNC), is the method of 2D data interpolation and extrapolation. Nodes are treated as characteristic points of information retrieval and data forecasting. PNC modeling via nodes combination and parameter γ as probability distribution function enables 2D point extrapolation and interpolation. Two-dimensional information is modeled via nodes combination and some functions as continuous probability distribution functions: polynomial, sine, cosine, tangent, cotangent, logarithm, exponent, arc sin, arc cos, arc tan, arc cot or power function. Extrapolated values are used as the support in data forecasting.
Język
pl
Treść
Autorska metoda Probabilistycznej Kombinacji Węzłów- Probabilistic Nodes Combination (PNC) jest wykorzystywana do interpolacji i ekstrapolacji dwuwymiarowych danych. Węzły traktowane są jako punkty charakterystyczne informacji, która ma być odtwarzana lub przewidywana. Dwuwymiarowe dane są interpolowane lub ekstrapolowane z wykorzystaniem różnych funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych. W pracy pokazano propozycję metody ekstrapolowania danych jako pomoc w przewidywaniu trendu dla nieznanych wartości.
Cechy publikacji
Oryginalny artykuł naukowy
Zrecenzowana naukowo
Inne
System-identifier
PX-56b4708e8106eb71826ebfb8