Auswahl der wissenschaftlichen Literatur zum Thema „Geometrisk statistik“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Inhaltsverzeichnis
Machen Sie sich mit den Listen der aktuellen Artikel, Bücher, Dissertationen, Berichten und anderer wissenschaftlichen Quellen zum Thema "Geometrisk statistik" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Zeitschriftenartikel zum Thema "Geometrisk statistik"
Refiadi, Gunawan. „PEMBUATAN KOMPONEN AEROSPACE Al 6082-T6511 DENGAN METODE ONE STOP MACHINING MENGGUNAKAN MESIN CNC MULTITASKING“. Jurnal Teknologi Bahan dan Barang Teknik 4, Nr. 2 (31.12.2014): 55. http://dx.doi.org/10.37209/jtbbt.v4i2.52.
Der volle Inhalt der QuelleBugatekin, Ayşe. „GEOMETRİK DAĞILIMDAKİ SIRA İSTATİSTİKLERİN ÖRNEK MİNİMUMUNUN MOMENT ÇIKARAN FONKSİYONU“. e-Journal of New World Sciences Academy 10, Nr. 3 (13.07.2015): 51–54. http://dx.doi.org/10.12739/nwsa.2015.10.3.3a0073.
Der volle Inhalt der QuelleMehta, Anita, G. C. Barker und J. M. Luck. „Cooperativity in sandpiles: statistics of bridge geometries“. Journal of Statistical Mechanics: Theory and Experiment 2004, Nr. 10 (29.10.2004): P10014. http://dx.doi.org/10.1088/1742-5468/2004/10/p10014.
Der volle Inhalt der QuelleSuwito, Tukimun Darmo, Yuswal Subby und Fajrina Adhe Yossa. „PEMODELAN DAERAH RAWAN KECELAKAAN PADA RUAS JALAN MT HARYONO DI KOTA SAMARINDA“. SENTRI: Jurnal Riset Ilmiah 2, Nr. 3 (05.03.2023): 607–17. http://dx.doi.org/10.55681/sentri.v2i3.472.
Der volle Inhalt der QuelleManagerxot, Jek, Roy Nusa und Nunik Kusumawardani. „METODE ALTERNATIF HITUNG IPKM YANG MEMILIKI KORELASI LEBIH TINGGI DENGAN IPM“. JURNAL EKOLOGI KESEHATAN 16, Nr. 2 (29.08.2018): 112–20. http://dx.doi.org/10.22435/jek.16.2.363.112-120.
Der volle Inhalt der QuelleBombelli, L., A. Corichi und O. Winkler. „Semiclassical quantum gravity: statistics of combinatorial Riemannian geometries“. Annalen der Physik 517, Nr. 8 (12.07.2005): 499–519. http://dx.doi.org/10.1002/andp.20055170803.
Der volle Inhalt der QuelleWang, Libing. „Modeling complex reservoir geometries with multiple-point statistics“. Mathematical Geology 28, Nr. 7 (Oktober 1996): 895–907. http://dx.doi.org/10.1007/bf02066007.
Der volle Inhalt der QuelleBombelli, L., A. Corichi und O. Winkler. „Semiclassical quantum gravity: statistics of combinatorial Riemannian geometries“. Annalen der Physik 14, Nr. 8 (01.08.2005): 499–519. http://dx.doi.org/10.1002/andp.200410144.
Der volle Inhalt der QuellePrasetyo, Yudo. „STATE-OF-ART KONSERVASI BANGUNAN DAN CAGAR BUDAYA MELALUI PEMBENTUKAN MODEL 3 DIMENSI BERBASIS TEKNIK FOTOGRAMMETRI RENTANG DEKAT“. Elipsoida : Jurnal Geodesi dan Geomatika 1, Nr. 02 (23.11.2018): 14–20. http://dx.doi.org/10.14710/elipsoida.2018.3698.
Der volle Inhalt der QuelleUtomo, Puji Dwi, Thomas Sukardi und Sudji Munadi. „Analisis Kualitas Geometris Hasil Praktik Pemesinan Bubut Siswa SMK Jurusan Teknik Pemesinan“. JURNAL DINAMIKA VOKASIONAL TEKNIK MESIN 2, Nr. 1 (01.04.2017): 1. http://dx.doi.org/10.21831/dinamika.v2i1.13509.
Der volle Inhalt der QuelleDissertationen zum Thema "Geometrisk statistik"
Pedersen, Morten Akhøj. „Méthodes riemanniennes et sous-riemanniennes pour la réduction de dimension“. Electronic Thesis or Diss., Université Côte d'Azur, 2023. http://www.theses.fr/2023COAZ4087.
Der volle Inhalt der QuelleIn this thesis, we propose new methods for dimension reduction based on differential geometry, that is, finding a representation of a set of observations in a space of lower dimension than the original data space. Methods for dimension reduction form a cornerstone of statistics, and thus have a very wide range of applications. For instance, a lower dimensional representation of a data set allows visualization and is often necessary for subsequent statistical analyses. In ordinary Euclidean statistics, the data belong to a vector space and the lower dimensional space might be a linear subspace or a non-linear submanifold approximating the observations. The study of such smooth manifolds, differential geometry, naturally plays an important role in this last case, or when the data space is itself a known manifold. Methods for analysing this type of data form the field of geometric statistics. In this setting, the approximating space found by dimension reduction is naturally a submanifold of the given manifold. The starting point of this thesis is geometric statistics for observations belonging to a known Riemannian manifold, but parts of our work form a contribution even in the case of data belonging to Euclidean space, mathbb{R}^d.An important example of manifold valued data is shapes, in our case discrete or continuous curves or surfaces. In evolutionary biology, researchers are interested in studying reasons for and implications of morphological differences between species. Shape is one way to formalize morphology. This application motivates the first main contribution of the thesis. We generalize a dimension reduction method used in evolutionary biology, phylogenetic principal component analysis (P-PCA), to work for data on a Riemannian manifold - so that it can be applied to shape data. P-PCA is a version of PCA for observations that are assumed to be leaf nodes of a phylogenetic tree. From a statistical point of view, the important property of such data is that the observations (leaf node values) are not necessarily independent. We define and estimate intrinsic weighted means and covariances on a manifold which takes the dependency of the observations into account. We then define phylogenetic PCA on a manifold to be the eigendecomposition of the weighted covariance in the tangent space of the weighted mean. We show that the mean estimator that is currently used in evolutionary biology for studying morphology corresponds to taking only a single step of our Riemannian gradient descent algorithm for the intrinsic mean, when the observations are represented in Kendall's shape space. Our second main contribution is a non-parametric method for dimension reduction that can be used for approximating a set of observations based on a very flexible class of submanifolds. This method is novel even in the case of Euclidean data. The method works by constructing a subbundle of the tangent bundle on the data manifold via local PCA. We call this subbundle the principal subbundle. We then observe that this subbundle induces a sub-Riemannian structure and we show that the resulting sub-Riemannian geodesics with respect to this structure stay close to the set of observations. Moreover, we show that sub-Riemannian geodesics starting from a given point locally generate a submanifold which is radially aligned with the estimated subbundle, even for non-integrable subbundles. Non-integrability is likely to occur when the subbundle is estimated from noisy data, and our method demonstrates that sub-Riemannian geometry is a natural framework for dealing which such problems. Numerical experiments illustrate the power of our framework by showing that we can achieve impressively large range reconstructions even in the presence of quite high levels of noise
I denne afhandling præsenteres nye metoder til dimensionsreduktion, baseret p˚adifferential geometri. Det vil sige metoder til at finde en repræsentation af et datasæti et rum af lavere dimension end det opringelige rum. S˚adanne metoder spiller enhelt central rolle i statistik, og har et meget bredt anvendelsesomr˚ade. En laveredimensionalrepræsentation af et datasæt tillader visualisering og er ofte nødvendigtfor efterfølgende statistisk analyse. I traditionel, Euklidisk statistik ligger observationernei et vektor rum, og det lavere-dimensionale rum kan være et lineært underrumeller en ikke-lineær undermangfoldighed som approksimerer observationerne.Studiet af s˚adanne glatte mangfoldigheder, differential geometri, spiller en vigtig rollei sidstnævnte tilfælde, eller hvis rummet hvori observationerne ligger i sig selv er enmangfoldighed. Metoder til at analysere observationer p˚a en mangfoldighed udgørfeltet geometrisk statistik. I denne kontekst er det approksimerende rum, fundetvia dimensionsreduktion, naturligt en submangfoldighed af den givne mangfoldighed.Udgangspunktet for denne afhandling er geometrisk statistik for observationer p˚a ena priori kendt Riemannsk mangfoldighed, men dele af vores arbejde udgør et bidragselv i tilfældet med observationer i Euklidisk rum, Rd.Et vigtigt eksempel p˚a data p˚a en mangfoldighed er former, i vores tilfældediskrete kurver eller overflader. I evolutionsbiologi er forskere interesseret i at studeregrunde til og implikationer af morfologiske forskelle mellem arter. Former er ´en m˚adeat formalisere morfologi p˚a. Denne anvendelse motiverer det første hovedbidrag idenne afhandling. We generaliserer en metode til dimensionsreduktion brugt i evolutionsbiologi,phylogenetisk principal component analysis (P-PCA), til at virke for datap˚a en Riemannsk mangfoldighed - s˚a den kan anvendes til observationer af former. PPCAer en version af PCA for observationer som antages at være de yderste knuder iet phylogenetisk træ. Fra et statistisk synspunkt er den vigtige egenskab ved s˚adanneobservationer at de ikke nødvendigvis er uafhængige. We definerer og estimerer intrinsiskevægtede middelværdier og kovarianser p˚a en mangfoldighed, som tager højde fors˚adanne observationers afhængighed. Vi definerer derefter phylogenetisk PCA p˚a enmangfoldighed som egendekomposition af den vægtede kovarians i tanget-rummet tilden vægtede middelværdi. Vi viser at estimatoren af middelværdien som pt. bruges ievolutionsbiologi til at studere morfologi svarer til at tage kun et enkelt skridt af voresRiemannske gradient descent algoritme for den intrinsiske middelværdi, n˚ar formernerepræsenteres i Kendall´s form-mangfoldighed.Vores andet hovedbidrag er en ikke-parametrisk metode til dimensionsreduktionsom kan bruges til at approksimere et data sæt baseret p˚a en meget flexibel klasse afsubmangfoldigheder. Denne metode er ny ogs˚a i tilfældet med Euklidisk data. Metodenvirker ved at konstruere et under-bundt af tangentbundet p˚a datamangfoldighedenM via lokale PCA´er. Vi kalder dette underbundt principal underbundtet. Viobserverer at dette underbundt inducerer en sub-Riemannsk struktur p˚a M og vi viserat sub-Riemannske geodæter fra et givent punkt lokalt genererer en submangfoldighedsom radialt flugter med det estimerede subbundt, selv for ikke-integrable subbundter.Ved støjfyldt data forekommer ikke-integrabilitet med stor sandsynlighed, og voresmetode demonstrerer at sub-Riemannsk geometri er en naturlig tilgang til at h˚andteredette. Numeriske eksperimenter illustrerer styrkerne ved metoden ved at vise at denopn˚ar rekonstruktioner over store afstande, selv under høje niveauer af støj
Saive, Yannick. „DirCNN: Rotation Invariant Geometric Deep Learning“. Thesis, KTH, Matematisk statistik, 2019. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-252573.
Der volle Inhalt der QuelleNyligen har ämnet geometrisk deep learning presenterat ett nytt sätt för maskininlärningsalgoritmer att arbeta med punktmolnsdata i dess råa form.Banbrytande arkitekturer som PointNet och många andra som byggt på dennes framgång framhåller vikten av invarians under inledande datatransformationer. Sådana transformationer inkluderar skiftning, skalning och rotation av punktmoln i ett tredimensionellt rum. Precis som vi önskar att klassifierande maskininlärningsalgoritmer lyckas identifiera en uppochnedvänd hund som en hund vill vi att våra geometriska deep learning-modeller framgångsrikt ska kunna hantera transformerade punktmoln. Därför använder många modeller en inledande datatransformation som tränas som en del av ett neuralt nätverk för att transformera punktmoln till ett globalt kanoniskt rum. Jag ser tillkortakommanden i detta tillgångavägssätt eftersom invariansen är inte fullständigt garanterad, den är snarare approximativ. För att motverka detta föreslår jag en lokal deterministisk transformation som inte måste läras från datan. Det nya lagret i det här projektet bygger på Edge Convolutions och döps därför till DirEdgeConv, namnet tar den riktningsmässiga invariansen i åtanke. Lagret ändras en aning för att introducera ett nytt lager vid namn DirSplineConv. Dessa lager sätts ihop i olika modeller som sedan jämförs med sina efterföljare på samma uppgifter för att ge en rättvis grund för att jämföra dem. Resultaten är inte lika bra som toppmoderna resultat men de är ändå tillfredsställande. Jag tror även resultaten kan förbättas genom att förbättra inlärningshastigheten och dess schemaläggning. I ett experiment där ablation genomförs på de nya lagren ser vi att lagrens huvudkoncept förbättrar resultaten överlag.
Granquist, Daniel. „Genom statistisk analys utvärdera geometriska parametrars påverkan på ett XPI- cylinderhuvuds snurrtal“. Thesis, KTH, Maskinkonstruktion (Inst.), 2010. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-99453.
Der volle Inhalt der QuelleDetta examensarbete är ett produktutvecklingsarbete som har genomförts i samarbete med Scania CV AB. Syftet med arbetet har varit att finna ett samband mellan XPI- cylinderhuvudets geometriska parametrar och dess snurrtal för att förbättra konstruktionsunderlaget för cylinderhuvudet. Samhällets ökade fokus kring miljöfrågorna för med sig allt hårdare emissionslagstiftningar för lastbilstillverkarna. För att driva utvecklingen framåt läggs stora resurser på forskning och utveckling av dieselmotorn och dess förbränningsförlopp. Insugningsluftens strömning in i cylindern har en stor påverkan vid bildandet av emissioner och den typ av strömningen som söks kallas för snurr. Snurr fås då luften strömmar runt cylinderns vertikala axel inne i förbränningsrummet. På tidigare cylinderhuvuden som Scania CV AB tagit fram har klara samband setts mellan snurren och geometriska parametrar hos cylinderhuvudet men med det nya XPI- cylinderhuvudet ses att även andra parametrar är med och påverkar snurren. Av erfarenhet är det känt att flertalet geometrier påverkar snurren och flödet som fås ner i cylindern. Utifrån dessa kunskaper och intervjuer med sakkunniga på Scania CV AB har de parametrar som ska ingå i studien tagits fram. Efter definiering av de geometriska parametrarna, 33 stycken, har 120 cylinderhuvuden mätts upp och snurrtestats. Den statistiska undersökningen har genomförts av Ekaterina Fetisova som en del av hennes kandidatexamensprojekt för institutionen Matematisk Statistik på Stockholms Universitet. Undersökningen ledde till att sex modeller togs fram, med hjälp av multipel linjär regression, som representerar de geometriska parametrarnas påverkan på snurrtalet. De framtagna modellerna förklarar mellan 54-60 % av variationen hos snurren och ett fåtal geometriska parametrar sticker ut som viktigare än andra, vissa mer förväntade än andra. Slutsatser som dras är att viktiga parametrar troligtvis saknas i undersökningen och att det finns en stor komplexitet mellan de geometriska parametrarna och snurrtalet. För att få en bättre förståelse för kanalernas individuella påverkan på snurren rekommenderas att varje kanal snurrtestas var och en för sig och kopplas mot de geometriska parametrarna för respektive kanal.
Ho, Pak-kei. „Parametric and non-parametric inference for Geometric Process“. Click to view the E-thesis via HKUTO, 2005. http://sunzi.lib.hku.hk/hkuto/record/B31483859.
Der volle Inhalt der QuelleHo, Pak-kei, und 何柏基. „Parametric and non-parametric inference for Geometric Process“. Thesis, The University of Hong Kong (Pokfulam, Hong Kong), 2005. http://hub.hku.hk/bib/B31483859.
Der volle Inhalt der QuelleKeil, Mitchel J. „Automatic generation of interference-free geometric models of spatial mechanisms“. Diss., This resource online, 1990. http://scholar.lib.vt.edu/theses/available/etd-08252008-162631/.
Der volle Inhalt der QuelleSchäfer, Philip Morten [Verfasser]. „Statistics, Geometries and Scaling Laws of Streamlines and Streamline Segments in Turbulent Flows / Philip Morten Schäfer“. Aachen : Shaker, 2013. http://d-nb.info/105157398X/34.
Der volle Inhalt der QuelleSCHIAVON, JACOPO. „Geometria differenziale delle matrici simmetriche e definite positive per applicazioni statistiche“. Doctoral thesis, Università degli studi di Padova, 2022. http://hdl.handle.net/11577/3449438.
Der volle Inhalt der QuelleDifferential geometry is the set of tools that allows to perform the usual mathematical tasks of algebra and calculus on spaces that do not behave like Euclidean vector spaces, for instance points on a curved surface. This field of mathematics is becoming more and more relevant in multiple fields, statistics and machine learning among those, due to the enormous availability of data belonging to increasingly complex domains. An example among many of such complex domains is the set of Symmetric and Positive Definite matrices, i.e. the set of covariance matrices, that appears frequently in medical imaging but is also used often as parameter space in statistical modeling scenarios. The aim of this thesis is to collect and organize the scattered knowledge on the Riemannian geometry of the symmetric and positive definite matrices, and to build practical techniques using the tools of differential geometry that can be readily applied within a pipeline of statistical analysis. This has been achieved with two different methods: the first is a quasi-Newton algorithm for Riemannian optimization that can be plugged in any situation in which maximization of a function of symmetric and positive definite matrices is required, such as those that arise in the context of likelihood inference and variational approximation. The second is a Riemannian registration algorithm to perform a pre-processing of symmetric and positive definite data such as those arising from medical imaging or brain computer interface. This algorithm, among other properties, provides a theoretical framework to focus the analysis on the eigenvalues of the analyzed matrices, allowing the employment of Euclidean methods for statistical inference also in a Riemannian context.
Suttmiller, Alexander Gage. „Streamline Feature Detection: Geometric and Statistical Evaluation of Streamline Properties“. The Ohio State University, 2011. http://rave.ohiolink.edu/etdc/view?acc_num=osu1315967677.
Der volle Inhalt der QuelleVilla, E. „Methods of geometric measure theory in stochastic geometry“. Doctoral thesis, Università degli Studi di Milano, 2007. http://hdl.handle.net/2434/28369.
Der volle Inhalt der QuelleBücher zum Thema "Geometrisk statistik"
Fang, Kʻai-tʻai. Number-theoretic methods in statistics. London: Chapman & Hall, 1994.
Den vollen Inhalt der Quelle findenPawlowsky-Glahn, Vera. Modelling and analysis of compositional data. Chichester, West Sussex: John Wiley & Sons, Inc., 2015.
Den vollen Inhalt der Quelle findenRoux, Brigitte Le. Combinatorial Inference in Geometric Data Analysis. Boca Raton, Florida, USA: Chapman and Hall/CRC, Taylor & Francis Group, 2019.
Den vollen Inhalt der Quelle findenV, Buldygin V., und Kharazishvili A. B, Hrsg. Geometric aspects of probability theory and mathematical statistics. Dordrecht: Kluwer Academic, 2000.
Den vollen Inhalt der Quelle findenStoyan, Dietrich. Fractals, random shapes, and point fields: Methods of geometrical statistics. Chichester: Wiley, 1994.
Den vollen Inhalt der Quelle finden1911-, Ledermann Walter, und Vajda Steven 1901-, Hrsg. Handbook of applicable mathematics. Chichester: Wiley, 1985.
Den vollen Inhalt der Quelle findenStoyan, Dietrich. Stochastic geometry and its applications. Chichester [W. Sussex]: Wiley, 1987.
Den vollen Inhalt der Quelle findenStoyan, Dietrich. Stochastic geometry and its applications. 2. Aufl. Chichester: Wiley, 1995.
Den vollen Inhalt der Quelle findenMauldin, R. Daniel. Graph directed Markov systems: Geometry and dynamics of limit sets. Cambridge: Cambridge University Press, 2003.
Den vollen Inhalt der Quelle findenFlewelling, Gary. Math activities using LogoWriter: Probability and statistics. International Society for Technology in Education, 1994.
Den vollen Inhalt der Quelle findenBuchteile zum Thema "Geometrisk statistik"
Kühnel, Line, Tom Fletcher, Sarang Joshi und Stefan Sommer. „Latent Space Geometric Statistics“. In Pattern Recognition. ICPR International Workshops and Challenges, 163–78. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-68780-9_16.
Der volle Inhalt der QuelleMarshall, Albert W., Ingram Olkin und Barry C. Arnold. „Geometric Inequalities“. In Springer Series in Statistics, 269–96. New York, NY: Springer New York, 2010. http://dx.doi.org/10.1007/978-0-387-68276-1_8.
Der volle Inhalt der QuelleMecke, Joseph, Rolf G. Schneider, Dietrich Stoyan und Wolfgang R. R. Weil. „Statistik für einige Modelle der Stochastischen Geometrie“. In DMV Seminar, 121–64. Basel: Birkhäuser Basel, 1990. http://dx.doi.org/10.1007/978-3-0348-7029-0_5.
Der volle Inhalt der QuelleSaville, David J., und Graham R. Wood. „The Geometric Tool Kit“. In Springer Texts in Statistics, 10–38. New York, NY: Springer New York, 1991. http://dx.doi.org/10.1007/978-1-4612-0971-3_2.
Der volle Inhalt der QuelleKosambi, D. D. „The Geometric Method in Mathematical Statistics“. In D.D. Kosambi, 131–39. New Delhi: Springer India, 2016. http://dx.doi.org/10.1007/978-81-322-3676-4_17.
Der volle Inhalt der QuelleChang, Ted. „Tangent Space Approximation in Geometric Statistics“. In Springer Handbook of Engineering Statistics, 1059–73. London: Springer London, 2023. http://dx.doi.org/10.1007/978-1-4471-7503-2_53.
Der volle Inhalt der QuelleLeung, Kit-Nam. „Arithmetic and Geometric Processes“. In Springer Handbook of Engineering Statistics, 931–55. London: Springer London, 2006. http://dx.doi.org/10.1007/978-1-84628-288-1_49.
Der volle Inhalt der QuelleHitzer, Eckhard, und Dietmar Hildenbrand. „Introduction to Geometric Algebra“. In Springer Proceedings in Mathematics & Statistics, 1–41. Cham: Springer Nature Switzerland, 2024. http://dx.doi.org/10.1007/978-3-031-55985-3_1.
Der volle Inhalt der QuelleScheaffer, Richard L., Ann Watkins, Mrudulla Gnanadesikan und Jeffrey A. Witmer. „Waiting for Reggie Jackson: The Geometric Distribution“. In Activity-Based Statistics, 79–81. New York, NY: Springer New York, 1996. http://dx.doi.org/10.1007/978-1-4757-3843-8_17.
Der volle Inhalt der QuelleBroniatowski, Michel, und Wolfgang Stummer. „Some Universal Insights on Divergences for Statistics, Machine Learning and Artificial Intelligence“. In Geometric Structures of Information, 149–211. Cham: Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-02520-5_8.
Der volle Inhalt der QuelleKonferenzberichte zum Thema "Geometrisk statistik"
CAI, JUN, und JOSÉ GARRIDO. „ASYMPTOTIC FORMS AND BOUNDS FOR TAILS OF CONVOLUTIONS OF COMPOUND GEOMETRIC DISTRIBUTIONS, WITH APPLICATIONS“. In Proceedings of Statistics 2001 Canada: The 4th Conference in Applied Statistics. PUBLISHED BY IMPERIAL COLLEGE PRESS AND DISTRIBUTED BY WORLD SCIENTIFIC PUBLISHING CO., 2002. http://dx.doi.org/10.1142/9781860949531_0010.
Der volle Inhalt der QuelleSudsuk, Areeya, und Winai Bodhisuwan. „The Topp-Leone geometric distribution“. In 2016 12th International Conference on Mathematics, Statistics, and Their Application (ICMSA). IEEE, 2016. http://dx.doi.org/10.1109/icmsa.2016.7954319.
Der volle Inhalt der QuelleKvinge, Henry, Elin Farnell, Jingya Li und Yujia Chen. „Rare Geometries: Revealing Rare Categories via Dimension-Driven Statistics“. In 2019 18th IEEE International Conference On Machine Learning And Applications (ICMLA). IEEE, 2019. http://dx.doi.org/10.1109/icmla.2019.00052.
Der volle Inhalt der QuelleTing, Dai. „Statistics Properties of Geometric Brown Motion under Haar Wavelet“. In 2009 First International Conference on Information Science and Engineering. IEEE, 2009. http://dx.doi.org/10.1109/icise.2009.1090.
Der volle Inhalt der QuelleFletcher, P. Thomas, Suresh Venkatasubramanian und Sarang Joshi. „Robust statistics on Riemannian manifolds via the geometric median“. In 2008 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2008. http://dx.doi.org/10.1109/cvpr.2008.4587747.
Der volle Inhalt der QuelleLi, Lee Siaw, und Maman A. Djauhari. „Monitoring autocorrelated process: A geometric Brownian motion process approach“. In INTERNATIONAL CONFERENCE ON MATHEMATICAL SCIENCES AND STATISTICS 2013 (ICMSS2013): Proceedings of the International Conference on Mathematical Sciences and Statistics 2013. AIP, 2013. http://dx.doi.org/10.1063/1.4823976.
Der volle Inhalt der QuelleSagadavan, Revathi, und Maman A. Djauhari. „Autocorrelated multivariate process control: A geometric Brownian motion approach“. In INTERNATIONAL CONFERENCE ON MATHEMATICAL SCIENCES AND STATISTICS 2013 (ICMSS2013): Proceedings of the International Conference on Mathematical Sciences and Statistics 2013. AIP, 2013. http://dx.doi.org/10.1063/1.4823979.
Der volle Inhalt der QuelleWaagen, Donald, Don Hulsey, Jamie Godwin und David Gray. „A geometric statistic for deep learning model confidence and adversarial defense“. In Automatic Target Recognition XXXII, herausgegeben von Kristen Jaskie, Timothy L. Overman, Riad I. Hammoud und Abhijit Mahalanobis. SPIE, 2022. http://dx.doi.org/10.1117/12.2618299.
Der volle Inhalt der QuelleLei, Li, und LongTing Wang. „Geometric and topological structures of complex numbers“. In International Conference on Statistics, Applied Mathematics, and Computing Science (CSAMCS 2021), herausgegeben von Ke Chen, Nan Lin, Romeo Meštrović, Teresa A. Oliveira, Fengjie Cen und Hong-Ming Yin. SPIE, 2022. http://dx.doi.org/10.1117/12.2628101.
Der volle Inhalt der QuelleWemhoff, Aaron P., und Geoffrey Haas. „Molecular Dynamics Problem Initialization and Statistics Collection for Arbitrary Geometries“. In ASME 2009 Heat Transfer Summer Conference collocated with the InterPACK09 and 3rd Energy Sustainability Conferences. ASMEDC, 2009. http://dx.doi.org/10.1115/ht2009-88072.
Der volle Inhalt der QuelleBerichte der Organisationen zum Thema "Geometrisk statistik"
Singer, D. A., und R. Kouda. Application of geometric probability and Bayesian statistics to the search for mineral deposits. Natural Resources Canada/ESS/Scientific and Technical Publishing Services, 1990. http://dx.doi.org/10.4095/128119.
Der volle Inhalt der Quelle