Identyfikacja ukrytych komponentów w szeregach czasowych metodami nieujemnej faktoryzacji macierzy

Main Article Content

Ryszard Szupiluk


Słowa kluczowe : nieujemna faktoryzacja macierzy, identyfikacja ukrytych komponentów, ślepa separacja, predykcja
Abstrakt

W niniejszym artykule przedstawimy zastosowanie metod nieujemnej faktoryzacji macierzy do identyfikacji ukrytych komponentów zawartych w ekonomicznych szeregach czasowych. Wyprowadzony zostanie nowy algorytm nieujemnej faktoryzacji macierzy opary na dywergencji Fermiego-Diraca. Wykorzystując uzyskane ukryte komponenty dokonamy eliminacji szumów z szeregów czasowych reprezentujących wyniki predykcji. Całą koncepcję przetestujemy w problemie prognozy obciążenia systemu elektroenergetycznego.

Article Details

Jak cytować
Szupiluk, R. (2022). Identyfikacja ukrytych komponentów w szeregach czasowych metodami nieujemnej faktoryzacji macierzy. Metody Ilościowe W Badaniach Ekonomicznych, 23(2), 59–66. https://doi.org/10.22630/MIBE.2022.23.2.6
Bibliografia

Bregman L. (1967) The Relaxation Method of Finding a Common Point of Convex Sets and its Application to the Solution of Problems in Convex Programming. Comp. Math. Phys., USSR, 7, 200-217. (Crossref)

Berry M., Browne M., Langville A., Pauca P., Plemmons R. (2007) Algorithms and Applications for Approximate Nonnegative Matrix Factorization. Computational Statistics & Data Analysis, 52(1), 155-173. (Crossref)

Cichocki A., Zdunek R., Phan A.-H., Amari S. (2009) Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis. John Wiley. (Crossref)

Csiszar I. (1974) Information Measures: A Critical Survey. Transactions of the 7th Prague Conference, 83-86.

Comon P., Jutten Ch. (2010) Handbook of Blind Source Separation: Independent Component Analysis and Applications. Academic Press.

Dhillon I. S., Sra S. (2005) Generalized Nonnegative Matrix Approximations with Bregman Divergences. Advances in Neural Information Processing Systems, 283-290.

Dhillon I. S., Tropp J. A. (2007) Matrix Nearness Problems with Bregman Divergences. SIAM Journal on Matrix Analysis and Applications, 29(4), 1120-1146. (Crossref)

Gillis N. (2020) Nonnegative Matrix Factorization. SIAM, Philadelphia. (Crossref)

Lee D. D., Seung H. S. (1999) Learning the Parts of Objects by Non-Negative Matrix Factorization, Nature, 401, 788-791. (Crossref)

Szupiluk R. (2014) Dekompozycje wielowymiarowe w agregacji predykcyjnych modeli Data Mining. Szkoła Główna Handlowa. Oficyna Wydawnicza.

Szupiluk R., Wojewnik P., Ząbkowski T. (2007) Smooth Component Analysis as Ensemble Method for Prediction Improvement. Lecture Notes in Computer Science, Springer Berlin-Heidelberg, 4666, 277-284. (Crossref)

Statystyki

Downloads

Download data is not yet available.
Rekomendowane teksty
Inne teksty tego samego autora