莫塔巴尔

具有可能相关误差的非参数多维函数估计的移动Taylor-Bayesian回归。我们研究了一种新的非参数方法来估计一个未知的,充分光滑的实值函数的值和几个导数,从有限的点样本,其中函数参数和相应的值都是已知的,只有测量误差具有某种假定的分布和相关结构。移动Taylor-Bayesian回归(MOTABAR)利用Bayesian更新来求函数的Taylor多项式系数在移动位置的后验均值和方差。当忽略测量误差时,MOTABAR成为一种多元插值方法。它包含了几种著名的回归和插值方法,如局部或分段多项式回归、拉格朗日插值、反距离加权和最近邻估计等,为后者的置信界估计提供了一种新的方法。以噪声观测数据重建Lorenz吸引子为例,证明了MOTABAR的性能。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换