ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام الشبكة المرنة لاختيار...>الوصف

استخدام الشبكة المرنة لاختيار متغيرات السلاسل الزمنية عالية الأبعاد لنموذج الانحدار الذاتي لحركة دودة الربداء الرشيقة

العنوان بلغة أخرى: Using Elastic-Net for High Dimensional Time Variables Selection of Autoregressive Model Series of Caenorhabditis Elegans Motion
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: رشيد، محمد خميس (مؤلف)
المؤلف الرئيسي (الإنجليزية): Raseed, Mohammed Khames
مؤلفين آخرين: الحنون، أسامة بشير شكر (م. مشارك)
المجلد/العدد: مج20, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: ديسمبر
الصفحات: 104 - 112
ISSN: 1680-855X
رقم MD: 1445359
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
علم الإحصاء | المتغيرات الإحصائية | السلاسل الزمنية | دودة الربداء الرشيقة
كلمات المؤلف المفتاحية:
اختيار متغيرات الانحدار الذاتي | السلاسل الزمنية عالية الأبعاد | نموذج الانحدار الذاتي | الشبكة المرنة | النموذج الهجين Elastic-AR | Selecting Autoregressive Variables | Time Series High Dimensional | Autoregressive Model AR | Elastic-Net | Elastic-AR Hybrid Model
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: أن عملية اختيار المتغيرات الإحصائية التي تحتوي على معلومات تتعلق بالتأثير على المتغير المعتمد لها دورا أساسيا في النمذجة الإحصائية الدقيقة. في السلاسل الزمنية وعندما يكون هناك عدد كبير جدا من متغيرات الانحدار الذاتي (Autoregressive (AR في النموذج فإنه من المهم اختيار متغيرات الانحدار الذاتي المؤثرة فعليا والمهمة من مجموعة كبيرة (عالية الأبعاد) من المتغيرات الذاتية بتخلفات زمنية سابقة للحصول على نتائج أكثر دقة. تعد طريقة الشبكة المرنة Elastic Net من الأساليب التي تعمل على اختيار النموذج الأفضل وإجراء تقدير مشترك للنماذج الخطية مما يسهم في اختيار المتغيرات المؤثرة فعليا وإهمال ما دونها من مجموعة كبيرة جدا عالية الأبعاد من المتغيرات الذاتية. في هذه الدراسة سيتم استخدام طريقة الشبكة المرنة لاختيار معلمات الانحدار الذاتي في نموذج السلاسل الزمنية وتقديرها. سيتم استخدام بيانات السلسلة الزمنية لحركة الربداء الرشيقة متمثلة بزوايا الظل للحركة الموجية للدودة Caenorhabditis Elegans (CE). تم اختيار نموذج السلسلة الزمنية أحادية المتغير لحركة الربداء الرشيقة عبر طريقة الشبكة المرنة ونماذج الانحدار الذاتي (Elastic-AR) الهجين بعد عمليات متعددة لاختيار متغيرات الانحدار الذاتي. ومن خلال النتائج فقد تطابقت المعلمات المختارة في نموذج الانحدار الذاتي AR مع النموذج الهجين Elastic-AR إلى حد كبير مع تفوق واضح في نتائج الأسلوب الهجين ودقة عالية. ولذلك فمن الممكن استنتاج إمكانية استخدام الأسلوب الهجين المقترح للحصول على أفضل نموذج للسلاسل الزمنية عالية الأبعاد بأقل عدد من المتغيرات وأكثرها تأثيرا مما يقلل من الجهد والتكاليف ويزيد من دقة النماذج.

The process of selecting statistical variables that contain information related to the effect on the dependent variable has a fundamental role in accurate statistical modeling. In time series and when there are a large number of an autoregressive (AR) variables in the model, selecting the most effective AR variables among a large set of autoregressive variables (high dimensional) with prior time lags is important for more accurate results. The elastic net method is one of the methods used for selecting the best model and conducting a joint estimation of the linear models, which contributes to the selection of the actually influencing variables and ignoring others among a very large set (high dimensional) of autoregressive variables. In this study, the elastic network method will be used to select and estimate the autoregressive parameters in the time series model. Caenorhabditis elegans (CE) will use time series data for the movement of Caenorhabditis elegans, represented by tangent angles of the wave motion. The univariate time-series model of CE movement was selected via the elastic network method and the hybrid (Elastic-AR) autoregressive model after multi-processes of selecting autoregressive variables. According to the results, the selected parameters in the AR model matched the Elastic-AR hybrid model, with clear superiority in the results of the hybrid method and with high accuracy. Therefore, it is possible to conclude the possibility of using the proposed hybrid method to obtain the best model for the high-dimensional time series dataset with the least number and the most influential of variables, which reduces effort and costs and increases the accuracy of these models.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.