Total least squares and Chebyshev norm

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10313045" target="_blank" >RIV/00216208:11320/15:10313045 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1016/j.procs.2015.05.393" target="_blank" >http://dx.doi.org/10.1016/j.procs.2015.05.393</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.procs.2015.05.393" target="_blank" >10.1016/j.procs.2015.05.393</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Total least squares and Chebyshev norm

Popis výsledku v původním jazyce

We investigate the total least square problem (TLS) with Chebyshev norm instead of the traditionally used Frobenius norm. The use of Chebyshev norm is motivated by the need for robust solutions. In order to solve the problem, we introduce interval computation and use many of the results obtained there. We show that the problem we are tackling is NP-hard in general, but it becomes polynomial in the case of a fixed number of regressors. This is the most important practical result since usually we work with regression models with a low number of regression parameters (compared to the number of observations). We present not only a precise algorithm for the problem, but also a computationally efficient heuristic. We illustrate the behavior of our method ina particular probabilistic setup by a simulation study.

Název v anglickém jazyce

Total least squares and Chebyshev norm

Popis výsledku anglicky

We investigate the total least square problem (TLS) with Chebyshev norm instead of the traditionally used Frobenius norm. The use of Chebyshev norm is motivated by the need for robust solutions. In order to solve the problem, we introduce interval computation and use many of the results obtained there. We show that the problem we are tackling is NP-hard in general, but it becomes polynomial in the case of a fixed number of regressors. This is the most important practical result since usually we work with regression models with a low number of regression parameters (compared to the number of observations). We present not only a precise algorithm for the problem, but also a computationally efficient heuristic. We illustrate the behavior of our method ina particular probabilistic setup by a simulation study.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Procedia Computer Science

ISSN

1877-0509

e-ISSN

—

Svazek periodika

51

Číslo periodika v rámci svazku

—

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

10

Strana od-do

1791-1800

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-84939149877