Hlavní stránka > Výsledky hledání: Paška, Přemysl
Hledej:
Tipy pro vyhledávaní :: Rozšířené hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
Kontextové modely pro statistickou kompresi dat
 Paška, Přemysl ; Dvořák, Tomáš (vedoucí práce) ; Žemlička, Michal (oponent)
Současné metody kontextového modelování používají agregovanou formu statistik a historii dat využívají jen výjimečně. Tato práce představuje dvě nezávislé metody, které používají historii so fistikovaněji. Metoda Prediction by Partial Matching (PPM) při aktualizaci kontextového stromu ignoruje předchozí výskyty nově přidávaného kontextu, což zhoršuje přesnosti výsledných pravděpodobností. Je představen vylepšený algoritmus, který používá kompletní historii dat. Empirické výsledky naznačují, že tato neoptimalita PPM je jednou z hlavních příčin problému nepřesných statistik v kontextech vyšších řádů. Současné metody (zejména PAQ) se adaptují na nestacionární data pomocí silného zvýhodnění nejposlednějších statistik. Metoda představená v této práci zobecňuje tento přístup zvýhodňováním těch částí historie, které jsou nejvíce relevantní k právě zpracovávaným datům a její implementace poskytuje zlepšení na téměř všech testovaných datech zejména na vzorcích nestacionárních dat.
Úplný záznam
Kontextové modely pro statistickou kompresi dat
 Paška, Přemysl ; Žemlička, Michal (oponent) ; Dvořák, Tomáš (vedoucí práce)
Současné metody kontextového modelování používají agregovanou formu statistik a historii dat využívají jen výjimečně. Tato práce představuje dvě nezávislé metody, které používají historii so fistikovaněji. Metoda Prediction by Partial Matching (PPM) při aktualizaci kontextového stromu ignoruje předchozí výskyty nově přidávaného kontextu, což zhoršuje přesnosti výsledných pravděpodobností. Je představen vylepšený algoritmus, který používá kompletní historii dat. Empirické výsledky naznačují, že tato neoptimalita PPM je jednou z hlavních příčin problému nepřesných statistik v kontextech vyšších řádů. Současné metody (zejména PAQ) se adaptují na nestacionární data pomocí silného zvýhodnění nejposlednějších statistik. Metoda představená v této práci zobecňuje tento přístup zvýhodňováním těch částí historie, které jsou nejvíce relevantní k právě zpracovávaným datům a její implementace poskytuje zlepšení na téměř všech testovaných datech zejména na vzorcích nestacionárních dat.
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English