Previsão de sazonais e tendências por médias móveis ponderadas exponencialmente, Charles C. Holt Graduate School of Business, Universidade do Texas em Austin, Austin, TX, EUA Disponível on-line 28 de janeiro de 2004. O documento fornece um desenvolvimento sistemático das expressões de previsão para médias móveis exponencialmente ponderadas . Métodos para séries sem tendência, ou tendência aditiva ou multiplicativa são examinados. Da mesma forma, os métodos cobrem séries não sazonais e sazonais com estruturas de erro aditivo ou multiplicativo. O artigo é uma versão reimpressa do relatório de 1957 ao Office of Naval Research (ONR 52) e está sendo publicado aqui para proporcionar maior acessibilidade. Suavização exponencial Previsão Época local Tendências locais Biografia: Charles C. HOLT é Professor de Gestão em Emérito na Graduate School of Business, Universidade do Texas em Austin. Sua pesquisa atual é sobre métodos de decisão quantitativa, sistemas de apoio à decisão e previsão financeira. Anteriormente, ele fez pesquisas e ensino em M. I.T. Universidade Carnegie Mellon, London School of Economics, Universidade de Wisconsin e Instituto Urbano. Ele tem atuado em aplicações informáticas desde 1947 e fez pesquisas sobre controle automático, simulação de sistemas econômicos, produção de agendamento, emprego e inventários, e a dinâmica de inflação e desemprego. Copyright 2004 Publicado por Elsevier B. V. Citar artigos () por Pan Hui, Jon Crowcroft, Eiko Yoneki - em Proc. ACM MobiHoc. 2008. Neste trabalho, buscamos melhorar nossa compreensão da mobilidade humana em termos de estruturas sociais e usar essas estruturas no projeto de algoritmos de encaminhamento para redes de troca de bolso (PSNs). Levando traços de mobilidade humana do mundo real, descobrimos que a interação humana é heterogênea. Neste trabalho, buscamos melhorar nossa compreensão da mobilidade humana em termos de estruturas sociais e usar essas estruturas no projeto de algoritmos de encaminhamento para redes de troca de bolso (PSNs). Tomando traços de mobilidade humana do mundo real, descobrimos que a interação humana é heterogênea tanto em termos de hubs (indivíduos populares) quanto de grupos ou comunidades. Nós propomos um algoritmo de encaminhamento baseado social, BUBBLE, que é mostrado empiricamente para melhorar a eficiência de encaminhamento significativamente comparado aos esquemas de encaminhamento alheios e ao algoritmo PROPHET. Mostramos também como este algoritmo pode ser implementado de forma distribuída, o que demonstra que é aplicável no ambiente descentralizado dos PSNs. Janelas, como de ontem a agora, então calcule o grau médio por cada 6 horas. Chamamos essa abordagem da janela cumulativa (C-Window). Esta técnica é semelhante ao suavização exponencial -31 -, que investigaremos em trabalhos futuros. Mostramos ainda na Seção 6 que DEGREE, S-Window e C-Window podem aproximar a centralidade pré-calculada bastante bem e a centralidade medida. Por Pan Hui, Jon Crowcroft, Eiko Yoneki - Transações IEEE em Computação Móvel. Resumo A crescente penetração de dispositivos inteligentes com recursos de rede formam novas redes. Tais redes, também referidas como redes de bolso comutadas (PSNs), estão intermitentemente conectadas e representam uma mudança de paradigma de encaminhamento de dados de forma ad hoc. A estrutura social e a interação. Resumo A crescente penetração de dispositivos inteligentes com recursos de rede formam novas redes. Tais redes, também referidas como redes de bolso comutadas (PSNs), estão intermitentemente conectadas e representam uma mudança de paradigma de encaminhamento de dados de forma ad hoc. A estrutura social ea interação de usuários de tais dispositivos ditar o desempenho de protocolos de roteamento em PSNs. Para esse fim, a informação social é uma métrica essencial para projetar algoritmos de encaminhamento para esses tipos de redes. Os métodos anteriores basearam-se na construção e atualização de tabelas de roteamento para lidar com condições de rede dinâmicas. No lado negativo, foi demonstrado que tais abordagens acabam sendo ineficazes devido à captura parcial do comportamento da rede transitória. Uma abordagem mais promissora seria capturar as características intrínsecas dessas redes e utilizá-las no projeto de algoritmos de roteamento. Neste trabalho, exploramos duas métricas sociais e estruturais, a saber, centralidade e comunidade, usando traços reais de mobilidade humana. As contribuições deste artigo são duplas. Primeiro, nós criamos e avaliamos a BUBBLE, um novo algoritmo de encaminhamento social, que utiliza as métricas acima mencionadas para melhorar o desempenho da entrega. Em segundo lugar, mostramos empiricamente que a BOLHA pode melhorar substancialmente o desempenho de encaminhamento em comparação com uma série de algoritmos propostos anteriormente, incluindo o algoritmo PROFHET baseado em histórico comparativo e o algoritmo SimBet de encaminhamento social. Termos de indexação Redes sociais, algoritmos de encaminhamento, redes de tolerância ao atraso, redes de troca de bolso, centralidade, detecção de comunidades. 1 até agora, então calcule o grau médio por cada 6 horas. Chamamos essa janela cumulativa de aproximação (C-Window). Esta técnica é semelhante a uma técnica de estatística chamada suavização exponencial -24 - e gostaríamos de fazer mais investigação teórica. Podemos ver na Fig. 21 que a abordagem S-Window reflete um contexto mais recente, e atinge uma melhoria máxima de 4 por cento na entrega. Por Jan G De Gooijer, Rob J Hyndman - International Journal of Forecasting. Resumo: Realizamos os últimos 25 anos de pesquisa em previsões de séries temporais. Nesta questão do jubileu de prata, destacamos, naturalmente, os resultados publicados em revistas geridas pelo International Institute of Forecaststers (Journal of Forecasting 19821985 International Journal of Forecasting 1985-2005). Resumo: Realizamos os últimos 25 anos de pesquisa em previsões de séries temporais. Nesta questão do jubileu de prata, destacamos, naturalmente, os resultados publicados em revistas geridas pelo International Institute of Forecaststers (Journal of Forecasting 19821985 International Journal of Forecasting 1985-2005). Durante esse período, mais de um terço de todos os artigos publicados nestes periódicos referiam-se à previsão de séries temporais. Também revisamos trabalhos altamente influentes sobre a previsão de séries temporais que foram publicados em outros lugares durante esse período. Houve enormes avanços em muitas áreas, mas achamos que há um grande número de tópicos que precisam de um maior desenvolvimento. Concluímos com comentários de Yuhong Yang - Teoria econométrica. 2004. Estudamos alguns métodos de combinação de procedimentos para a previsão de uma variável aleatória contínua. Os limites de risco estatístico sob a perda de erro quadrado são obtidos sob suposições distributivas leves no futuro, dada a informação externa atual e as observações passadas. Os limites de risco mostram isso. Estudamos alguns métodos de combinação de procedimentos para a previsão de uma variável aleatória contínua. Os limites de risco estatístico sob a perda de erro quadrado são obtidos sob suposições distributivas leves no futuro, dada a informação externa atual e as observações passadas. Os limites de risco mostram que a previsão combinada atinge automaticamente o melhor desempenho entre os procedimentos do candidato até um fator constante e um prazo de penalização adicional. Em termos da taxa de convergência, a previsão combinada funciona bem como se alguém soubesse qual procedimento de previsão do candidato é o melhor antecipadamente. Estudos empíricos sugerem que combinar procedimentos podem às vezes melhorar a precisão de previsão em relação aos procedimentos originais. Os limites de risco são derivados para quantificar teoricamente o ganho e preço potencial para combinar linearmente as previsões de melhoria. O resultado suporta a descoberta empírica de que não é automaticamente uma boa idéia combinar as previsões. Uma combinação cega pode degradar o desempenho drasticamente devido à grande variabilidade indesejável na estimativa dos melhores pesos de combinação. Um método de combinação automatizado é mostrado em teoria para alcançar um equilíbrio entre o ganho potencial e a penalidade de complexidade (o preço de combinação) para aproveitar (se houver) a combinação esparsa e manter o melhor desempenho (em taxa) entre a previsão do candidato Procedimentos se a combinação linear ou dispersa não ajuda. Por George Athanasopoulos, Rob J. Hyndman. Neste artigo, modelamos e prevemos a demanda do turismo doméstico australiano. Usamos uma estrutura de regressão para estimar relacionamentos econômicos importantes para a demanda doméstica de turismo. Também identificamos o impacto de eventos mundiais, como os Jogos Olímpicos de Sydney de 2000 e os bombardeios de Bali de 2002 em cúpulas australianas. Neste artigo, modelamos e prevemos a demanda do turismo doméstico australiano. Usamos uma estrutura de regressão para estimar relacionamentos econômicos importantes para a demanda doméstica de turismo. Também identificamos o impacto de eventos mundiais, como os Jogos Olímpicos de Sydney de 2000 e os bombardeios de Bali de 2002 no turismo doméstico australiano. Para explorar a natureza temporal dos dados, usamos inovações em modelos espaciais estaduais para prever a demanda do turismo doméstico. Combinando esses dois quadros, criamos inovações em modelos espaciais estaduais com variáveis exógenas. Esses modelos são capazes de capturar a dinâmica das séries temporais nos dados, bem como relacionamentos econômicos e outros. Mostramos que esses modelos superam as abordagens alternativas para previsão de curto prazo e também produzem previsões sensíveis a longo prazo. As previsões são comparadas com as previsões oficiais do governo australiano, que são mais otimistas do que nossas previsões. Er de todos os níveis de escolaridade. 3.2. Suavização exponencial através de modelos de espaço de estados inovadores O alisamento exponencial foi proposto no final da década de 1950 (veja os trabalhos pioneiros de Brown, 1959 Holt, 1957 - Winters, 1960-) e motivou alguns dos métodos de previsão mais bem-sucedidos. As previsões produzidas usando métodos de suavização exponencial são médias ponderadas das observações passadas, com os pesos expone em decomposição. Por Ilan Alon, Min Qi, Robert J. Sadowski - Journal of Retailing and Consumer Services. 2001. Como muitas outras séries temporais econômicas, as vendas de varejo agregadas nos EUA têm forte tendência e padrões sazonais. A melhor forma de modelar e prever esses padrões tem sido uma questão de longa data na análise de séries temporais. Este artigo compara redes neurais artificiais e métodos tradicionais, incluindo inverno. Como muitas outras séries temporais econômicas, as vendas de varejo agregadas nos EUA têm forte tendência e padrões sazonais. A melhor forma de modelar e prever esses padrões tem sido uma questão de longa data na análise de séries temporais. Este artigo compara redes neurais artificiais e métodos tradicionais, incluindo o suavização exponencial de Winters, o modelo BoxJenkins ARIMA e a regressão multivariada. Os resultados indicam que, em média, as RNAs são favoráveis em relação aos métodos estatísticos mais tradicionais, seguidos pelo modelo BoxJenkins. Apesar de sua simplicidade, o modelo Winters mostrou ser um método viável para a previsão de etapas múltiplas em condições econômicas relativamente estáveis. A análise derivada mostra que o modelo da rede neural é capaz de capturar a tendência dinâmica não-linear e Shawndra Hill, Deepak K. Agarwal, Robert Bell, Chris Volinsky - Journal of Computational and Graphical Statistics. 2006. Uma rede dinâmica é um tipo especial de rede composta de transações conectadas que têm uma interação evolutiva repetida. Os dados sobre grandes redes dinâmicas, como redes de telecomunicações e a Internet, são abrangentes. No entanto, representando redes dinâmicas de uma forma que seja favorável à eficiência. Uma rede dinâmica é um tipo especial de rede composta de transações conectadas que têm uma interação evolutiva repetida. Os dados sobre grandes redes dinâmicas, como redes de telecomunicações e a Internet, são abrangentes. No entanto, representar redes dinâmicas de uma maneira que seja favorável à análise eficiente em grande escala é um desafio. Neste artigo, representamos gráficos dinâmicos usando uma estrutura de dados introduzida em um artigo anterior. Defendemos a sua representação porque é responsável pela evolução das relações entre os transatores através do tempo, mitiga o ruído no nível do transator local e permite a remoção de relacionamentos obsoletos. Nosso trabalho melhora seus argumentos heurísticos formalizando a representação com três ajustáveis. Ao fazer isso, desenvolvemos um quadro genérico para avaliar e ajustar qualquer gráfico dinâmico. Mostramos que as aproximações de economia de armazenamento envolvidas na representação não afetam o desempenho preditivo e, normalmente, melhoram. Motivamos nossa abordagem usando um exemplo de detecção de fraudes do setor de telecomunicações e demonstramos que podemos superar resultados publicados na tarefa de detecção de fraude. Além disso, apresentamos uma análise preliminar nos logs da Web e nas redes de e-mail. Influenciando o gráfico atual. Esta forma de função de peso é conveniente no sentido de que Eq. (L) pode ser expressa em forma de recorrência: Esta forma é bem conhecida em estatísticas como suavização exponencial -30 -. Ele fornece uma evolução dinâmica suave de Gt. A natureza iterativa da atualização nos permite incorporar a informação de todos os períodos de tempo anteriores sem incorrer na gestão e no armazenamento. Por Steffen Unkel, C. Paddy Farrington, Paul H. Garthwaite, Chris Robertson, Nick Andrews. Clusters insólitos de doenças devem ser detectados rapidamente para que sejam introduzidas intervenções efetivas de saúde pública. Ao longo da última década, houve um interesse crescente nos métodos estatísticos para a detecção precoce de surtos de doenças infecciosas. Esse crescimento de interesse deu origem a muito novo. Clusters insólitos de doenças devem ser detectados rapidamente para que sejam introduzidas intervenções efetivas de saúde pública. Ao longo da última década, houve um interesse crescente nos métodos estatísticos para a detecção precoce de surtos de doenças infecciosas. Este crescimento de interesse deu origem a muito novo trabalho metodológico, variando em todo o espectro de métodos estatísticos. Este artigo apresenta uma revisão abrangente das abordagens estatísticas que foram propostas. Aplicações para dados de vigilância laboratorial e sindrômica são fornecidas para ilustrar os vários métodos. E a componente de tendência e sazonal. Dois métodos comuns de séries temporais utilizados na vigilância são o alisamento exponencial simples (por exemplo, Healy 1983 Ngo et al., 1996) e o procedimento Holt-Winters (Holt 1957 - Winters 1960--). Um alisamento exponencial simples garante que os dados não tenham tendência ou sazonalidade. Forja previsões tomando uma média ponderada de observações passadas, onde os pesos diminuem exponencialmente o furt. Por Sarah Gelper, Christophe Croux, Sarah Gelper, Roland Fried, Christophe Croux. 2007. São apresentadas versões robustas do método de suavização exponencial e Holt-Winters para a previsão. Eles são adequados para a previsão de séries temporais univariadas na presença de valores esporádicos. Os métodos robustos de suavização exponencial e Holt-Winters são apresentados como um esquema de atualização recursiva. A atualização. São apresentadas versões robustas do método de suavização exponencial e Holt-Winters para a previsão. Eles são adequados para a previsão de séries temporais univariadas na presença de valores esporádicos. Os métodos robustos de suavização exponencial e Holt-Winters são apresentados como um esquema de atualização recursiva. Tanto a equação de atualização como a seleção dos parâmetros de suavização são robustied. Este método robusto é equivalente a uma forma particular do robusto Kalman lter em um modelo de tendência linear local. Um estudo de simulação compara as previsões robustas e clássicas. O método apresentado é encontrado com bom desempenho de previsão para séries temporais com e sem outliers, bem como para séries de tempo de gordura. O método é ilustrado usando dados reais incorporando tendências e efeitos sazonais. . Neste trabalho, buscamos melhorar a compreensão da estrutura da mobilidade humana, com o objetivo de usar isso para projetar algoritmos para a disseminação de dados entre usuários móveis. A cooperação liga, mas também divide a sociedade humana nas comunidades. Membros da mesma comunidade interagem com o eac. Neste trabalho, buscamos melhorar a compreensão da estrutura da mobilidade humana, com o objetivo de usar isso para projetar algoritmos para a disseminação de dados entre usuários móveis. A cooperação liga, mas também divide a sociedade humana nas comunidades. Membros da mesma comunidade interagem uns com os outros preferencialmente. Existe estrutura na sociedade humana. Dentro da sociedade e suas comunidades, os indivíduos têm popularidade variada. Algumas pessoas são mais populares e interagem com mais pessoas do que outras que podemos chamá-las de hubs. O ranking de popularidade é uma faceta da população. Em muitas redes físicas, alguns nós estão mais conectados um ao outro do que ao resto da rede. O conjunto desses nós é geralmente chamado de clusters, comunidades, grupos ou módulos coesivos. Existe também estrutura para redes sociais. Podem ser utilizadas diferentes métricas, tais como fluxo de informações, facilidade de Freeman, proximidade e poder de inferência, mas para todos eles, cada nó na rede pode ter um valor de centralidade global. 1. até agora, então calcule o grau médio por cada 6 horas. Nós chamamos essa abordagem da janela acumulativa (AWindow). Esta técnica é semelhante a uma técnica de estatística chamada suavização exponencial -28 - e gostaríamos de fazer mais investigação teórica. A abordagem da S-Window reflete um contexto mais recente e atinge o máximo de 4 melhorias na taxa de entrega do que o DEGREE, mas no dobro do c. by Pan Hui, Jon Crowcroft, Eiko Yoneki - em Proc. ACM MobiHoc. 2008. Neste trabalho, buscamos melhorar nossa compreensão da mobilidade humana em termos de estruturas sociais e usar essas estruturas no projeto de algoritmos de encaminhamento para redes de troca de bolso (PSNs). Levando traços de mobilidade humana do mundo real, descobrimos que a interação humana é heterogênea. Neste trabalho, buscamos melhorar nossa compreensão da mobilidade humana em termos de estruturas sociais e usar essas estruturas no projeto de algoritmos de encaminhamento para redes de troca de bolso (PSNs). Tomando traços de mobilidade humana do mundo real, descobrimos que a interação humana é heterogênea tanto em termos de hubs (indivíduos populares) quanto de grupos ou comunidades. Nós propomos um algoritmo de encaminhamento baseado social, BUBBLE, que é mostrado empiricamente para melhorar a eficiência de encaminhamento significativamente comparado aos esquemas de encaminhamento alheios e ao algoritmo PROPHET. Mostramos também como este algoritmo pode ser implementado de forma distribuída, o que demonstra que é aplicável no ambiente descentralizado dos PSNs. Janelas, como de ontem a agora, então calcule o grau médio por cada 6 horas. Chamamos essa abordagem da janela cumulativa (C-Window). Esta técnica é semelhante ao suavização exponencial -31 -, que investigaremos em trabalhos futuros. Mostramos ainda na Seção 6 que DEGREE, S-Window e C-Window podem aproximar a centralidade pré-calculada bastante bem e a centralidade medida. Por Pan Hui, Jon Crowcroft, Eiko Yoneki - Transações IEEE em Computação Móvel. Resumo A crescente penetração de dispositivos inteligentes com recursos de rede formam novas redes. Tais redes, também referidas como redes de bolso comutadas (PSNs), estão intermitentemente conectadas e representam uma mudança de paradigma de encaminhamento de dados de forma ad hoc. A estrutura social e a interação. Resumo A crescente penetração de dispositivos inteligentes com recursos de rede formam novas redes. Tais redes, também referidas como redes de bolso comutadas (PSNs), estão intermitentemente conectadas e representam uma mudança de paradigma de encaminhamento de dados de forma ad hoc. A estrutura social ea interação de usuários de tais dispositivos ditar o desempenho de protocolos de roteamento em PSNs. Para esse fim, a informação social é uma métrica essencial para projetar algoritmos de encaminhamento para esses tipos de redes. Os métodos anteriores basearam-se na construção e atualização de tabelas de roteamento para lidar com condições de rede dinâmicas. No lado negativo, foi demonstrado que tais abordagens acabam sendo ineficazes devido à captura parcial do comportamento da rede transitória. Uma abordagem mais promissora seria capturar as características intrínsecas dessas redes e utilizá-las no projeto de algoritmos de roteamento. Neste trabalho, exploramos duas métricas sociais e estruturais, a saber, centralidade e comunidade, usando traços reais de mobilidade humana. As contribuições deste artigo são duplas. Primeiro, nós criamos e avaliamos a BUBBLE, um novo algoritmo de encaminhamento social, que utiliza as métricas acima mencionadas para melhorar o desempenho da entrega. Em segundo lugar, mostramos empiricamente que a BOLHA pode melhorar substancialmente o desempenho de encaminhamento em comparação com uma série de algoritmos propostos anteriormente, incluindo o algoritmo PROFHET baseado em histórico comparativo e o algoritmo SimBet de encaminhamento social. Termos de indexação Redes sociais, algoritmos de encaminhamento, redes de tolerância ao atraso, redes de troca de bolso, centralidade, detecção de comunidades. 1 até agora, então calcule o grau médio por cada 6 horas. Chamamos essa janela cumulativa de aproximação (C-Window). Esta técnica é semelhante a uma técnica de estatística chamada suavização exponencial -24 - e gostaríamos de fazer mais investigação teórica. Podemos ver na Fig. 21 que a abordagem S-Window reflete um contexto mais recente, e atinge uma melhoria máxima de 4 por cento na entrega. Por Jan G De Gooijer, Rob J Hyndman - International Journal of Forecasting. Resumo: Realizamos os últimos 25 anos de pesquisa em previsões de séries temporais. Nesta questão do jubileu de prata, destacamos, naturalmente, os resultados publicados em revistas geridas pelo International Institute of Forecaststers (Journal of Forecasting 19821985 International Journal of Forecasting 1985-2005). Resumo: Realizamos os últimos 25 anos de pesquisa em previsões de séries temporais. Nesta questão do jubileu de prata, destacamos, naturalmente, os resultados publicados em revistas geridas pelo International Institute of Forecaststers (Journal of Forecasting 19821985 International Journal of Forecasting 1985-2005). Durante esse período, mais de um terço de todos os artigos publicados nestes periódicos referiam-se à previsão de séries temporais. Também revisamos trabalhos altamente influentes sobre a previsão de séries temporais que foram publicados em outros lugares durante esse período. Houve enormes avanços em muitas áreas, mas achamos que há um grande número de tópicos que precisam de um maior desenvolvimento. Concluímos com comentários de Yuhong Yang - Teoria econométrica. 2004. Estudamos alguns métodos de combinação de procedimentos para a previsão de uma variável aleatória contínua. Os limites de risco estatístico sob a perda de erro quadrado são obtidos sob suposições distributivas leves no futuro, dada a informação externa atual e as observações passadas. Os limites de risco mostram isso. Estudamos alguns métodos de combinação de procedimentos para a previsão de uma variável aleatória contínua. Os limites de risco estatístico sob a perda de erro quadrado são obtidos sob suposições distributivas leves no futuro, dada a informação externa atual e as observações passadas. Os limites de risco mostram que a previsão combinada atinge automaticamente o melhor desempenho entre os procedimentos do candidato até um fator constante e um prazo de penalização adicional. Em termos da taxa de convergência, a previsão combinada funciona bem como se alguém soubesse qual procedimento de previsão do candidato é o melhor antecipadamente. Estudos empíricos sugerem que combinar procedimentos podem às vezes melhorar a precisão de previsão em relação aos procedimentos originais. Os limites de risco são derivados para quantificar teoricamente o ganho e preço potencial para combinar linearmente as previsões de melhoria. O resultado suporta a descoberta empírica de que não é automaticamente uma boa idéia combinar as previsões. Uma combinação cega pode degradar o desempenho drasticamente devido à grande variabilidade indesejável na estimativa dos melhores pesos de combinação. Um método de combinação automatizado é mostrado em teoria para alcançar um equilíbrio entre o ganho potencial e a penalidade de complexidade (o preço de combinação) para aproveitar (se houver) a combinação esparsa e manter o melhor desempenho (em taxa) entre a previsão do candidato Procedimentos se a combinação linear ou dispersa não ajuda. Por George Athanasopoulos, Rob J. Hyndman. Neste artigo, modelamos e prevemos a demanda do turismo doméstico australiano. Usamos uma estrutura de regressão para estimar relacionamentos econômicos importantes para a demanda doméstica de turismo. Também identificamos o impacto de eventos mundiais, como os Jogos Olímpicos de Sydney de 2000 e os bombardeios de Bali de 2002 em cúpulas australianas. Neste artigo, modelamos e prevemos a demanda do turismo doméstico australiano. Usamos uma estrutura de regressão para estimar relacionamentos econômicos importantes para a demanda doméstica de turismo. Também identificamos o impacto de eventos mundiais, como os Jogos Olímpicos de Sydney de 2000 e os bombardeios de Bali de 2002 no turismo doméstico australiano. Para explorar a natureza temporal dos dados, usamos inovações em modelos espaciais estaduais para prever a demanda do turismo doméstico. Combinando esses dois quadros, criamos inovações em modelos espaciais estaduais com variáveis exógenas. Esses modelos são capazes de capturar a dinâmica das séries temporais nos dados, bem como relacionamentos econômicos e outros. Mostramos que esses modelos superam as abordagens alternativas para previsão de curto prazo e também produzem previsões sensíveis a longo prazo. As previsões são comparadas com as previsões oficiais do governo australiano, que são mais otimistas do que nossas previsões. Er de todos os níveis de escolaridade. 3.2. Suavização exponencial através de modelos de espaço de estados inovadores O alisamento exponencial foi proposto no final da década de 1950 (veja os trabalhos pioneiros de Brown, 1959 Holt, 1957 - Winters, 1960-) e motivou alguns dos métodos de previsão mais bem-sucedidos. As previsões produzidas usando métodos de suavização exponencial são médias ponderadas das observações passadas, com os pesos expone em decomposição. Por Ilan Alon, Min Qi, Robert J. Sadowski - Journal of Retailing and Consumer Services. 2001. Como muitas outras séries temporais econômicas, as vendas de varejo agregadas nos EUA têm forte tendência e padrões sazonais. A melhor forma de modelar e prever esses padrões tem sido uma questão de longa data na análise de séries temporais. Este artigo compara redes neurais artificiais e métodos tradicionais, incluindo inverno. Como muitas outras séries temporais econômicas, as vendas de varejo agregadas nos EUA têm forte tendência e padrões sazonais. A melhor forma de modelar e prever esses padrões tem sido uma questão de longa data na análise de séries temporais. Este artigo compara redes neurais artificiais e métodos tradicionais, incluindo o suavização exponencial de Winters, o modelo BoxJenkins ARIMA e a regressão multivariada. Os resultados indicam que, em média, as RNAs são favoráveis em relação aos métodos estatísticos mais tradicionais, seguidos pelo modelo BoxJenkins. Apesar de sua simplicidade, o modelo Winters mostrou ser um método viável para a previsão de etapas múltiplas em condições econômicas relativamente estáveis. A análise derivada mostra que o modelo da rede neural é capaz de capturar a tendência dinâmica não-linear e Shawndra Hill, Deepak K. Agarwal, Robert Bell, Chris Volinsky - Journal of Computational and Graphical Statistics. 2006. Uma rede dinâmica é um tipo especial de rede composta de transações conectadas que têm uma interação evolutiva repetida. Os dados sobre grandes redes dinâmicas, como redes de telecomunicações e a Internet, são abrangentes. No entanto, representando redes dinâmicas de uma forma que seja favorável à eficiência. Uma rede dinâmica é um tipo especial de rede composta de transações conectadas que têm uma interação evolutiva repetida. Os dados sobre grandes redes dinâmicas, como redes de telecomunicações e a Internet, são abrangentes. No entanto, representar redes dinâmicas de uma maneira que seja favorável à análise eficiente em grande escala é um desafio. Neste artigo, representamos gráficos dinâmicos usando uma estrutura de dados introduzida em um artigo anterior. Defendemos a sua representação porque é responsável pela evolução das relações entre os transatores através do tempo, mitiga o ruído no nível do transator local e permite a remoção de relacionamentos obsoletos. Nosso trabalho melhora seus argumentos heurísticos formalizando a representação com três ajustáveis. Ao fazer isso, desenvolvemos um quadro genérico para avaliar e ajustar qualquer gráfico dinâmico. Mostramos que as aproximações de economia de armazenamento envolvidas na representação não afetam o desempenho preditivo e, normalmente, melhoram. Motivamos nossa abordagem usando um exemplo de detecção de fraudes do setor de telecomunicações e demonstramos que podemos superar resultados publicados na tarefa de detecção de fraude. Além disso, apresentamos uma análise preliminar nos logs da Web e nas redes de e-mail. Influenciando o gráfico atual. Esta forma de função de peso é conveniente no sentido de que Eq. (L) pode ser expressa em forma de recorrência: Esta forma é bem conhecida em estatísticas como suavização exponencial -30 -. Ele fornece uma evolução dinâmica suave de Gt. A natureza iterativa da atualização nos permite incorporar a informação de todos os períodos de tempo anteriores sem incorrer na gestão e no armazenamento. Por Steffen Unkel, C. Paddy Farrington, Paul H. Garthwaite, Chris Robertson, Nick Andrews. Clusters insólitos de doenças devem ser detectados rapidamente para que sejam introduzidas intervenções efetivas de saúde pública. Ao longo da última década, houve um interesse crescente nos métodos estatísticos para a detecção precoce de surtos de doenças infecciosas. Esse crescimento de interesse deu origem a muito novo. Clusters insólitos de doenças devem ser detectados rapidamente para que sejam introduzidas intervenções efetivas de saúde pública. Ao longo da última década, houve um interesse crescente nos métodos estatísticos para a detecção precoce de surtos de doenças infecciosas. Este crescimento de interesse deu origem a muito novo trabalho metodológico, variando em todo o espectro de métodos estatísticos. Este artigo apresenta uma revisão abrangente das abordagens estatísticas que foram propostas. Aplicações para dados de vigilância laboratorial e sindrômica são fornecidas para ilustrar os vários métodos. E a componente de tendência e sazonal. Dois métodos comuns de séries temporais utilizados na vigilância são o alisamento exponencial simples (por exemplo, Healy 1983 Ngo et al., 1996) e o procedimento Holt-Winters (Holt 1957 - Winters 1960--). Um alisamento exponencial simples garante que os dados não tenham tendência ou sazonalidade. Forja previsões tomando uma média ponderada de observações passadas, onde os pesos diminuem exponencialmente o furt. Por Sarah Gelper, Christophe Croux, Sarah Gelper, Roland Fried, Christophe Croux. 2007. São apresentadas versões robustas do método de suavização exponencial e Holt-Winters para a previsão. Eles são adequados para a previsão de séries temporais univariadas na presença de valores esporádicos. Os métodos robustos de suavização exponencial e Holt-Winters são apresentados como um esquema de atualização recursiva. A atualização. São apresentadas versões robustas do método de suavização exponencial e Holt-Winters para a previsão. Eles são adequados para a previsão de séries temporais univariadas na presença de valores esporádicos. Os métodos robustos de suavização exponencial e Holt-Winters são apresentados como um esquema de atualização recursiva. Tanto a equação de atualização como a seleção dos parâmetros de suavização são robustied. Este método robusto é equivalente a uma forma particular do robusto Kalman lter em um modelo de tendência linear local. Um estudo de simulação compara as previsões robustas e clássicas. O método apresentado é encontrado com bom desempenho de previsão para séries temporais com e sem outliers, bem como para séries de tempo de gordura. O método é ilustrado usando dados reais incorporando tendências e efeitos sazonais. . Neste trabalho, buscamos melhorar a compreensão da estrutura da mobilidade humana, com o objetivo de usar isso para projetar algoritmos para a disseminação de dados entre usuários móveis. A cooperação liga, mas também divide a sociedade humana nas comunidades. Membros da mesma comunidade interagem com o eac. In this paper we seek to improve understanding of the structure of human mobility, with a view to using this for designing algorithms for the dissemination of data amongst mobile users. Cooperation binds but also divides human society into communities. Members of the same community interact with each other preferentially. There is structure in human society. Within society and its communities, individuals have varying popularity. Some people are more popular and interact with more people than others we may call them hubs. Popularity ranking is one facet of the population. In many physical networks, some nodes are more highly connected to each other than to the rest of the network. The set of such nodes are usually called clusters, communities, cohesive groups or modules. There is also structure to social networking. Different metrics can be used such as information flow, Freeman betweenness, closeness and inference power, but for all of them, each node in the network can be assigned a global centrality value. 1. to now, then calculate the average degree for every 6 hours. We call this approach the accumulative window (AWindow). This technique is similar to a statistics technique called exponential smoothing -28-- and we would like to do further theoretical investigation. The S-Window approach reflects more recent context and achieves maximum of 4 improvement in delivery ratio than DEGREE, but at double the c.
No comments:
Post a Comment