Detection of Multiple Changes in Mean by Sparse Parameter Estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14560%2F13%3A00071669" target="_blank" >RIV/00216224:14560/13:00071669 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/60162694:G42__/13:00494756

Výsledek na webu

<a href="http://www.mii.lt/na/issues/NA_1802/NA18205.pdf" target="_blank" >http://www.mii.lt/na/issues/NA_1802/NA18205.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Detection of Multiple Changes in Mean by Sparse Parameter Estimation

Popis výsledku v původním jazyce

The contribution is focused on detection of multiple changes in the mean in a onedimensional stochastic process by sparse parameter estimation from an overparametrized model. The authors? approach to change point detection differs entirely from standardstatistical techniques. A stochastic process residing in a bounded interval with changes in the mean is estimated using dictionary (a family of functions, the so-called atoms, which are overcomplete in the sense of being nearly linearly dependent) and consisting of Heaviside functions. Among all possible representations of the process we want to find a sparse one utilizing a significantly reduced number of atoms. This problem can be solved by ell_1-minimization. The basis pursuit algorithm is used to get sparse parameter estimates.

Název v anglickém jazyce

Detection of Multiple Changes in Mean by Sparse Parameter Estimation

Popis výsledku anglicky

The contribution is focused on detection of multiple changes in the mean in a onedimensional stochastic process by sparse parameter estimation from an overparametrized model. The authors? approach to change point detection differs entirely from standardstatistical techniques. A stochastic process residing in a bounded interval with changes in the mean is estimated using dictionary (a family of functions, the so-called atoms, which are overcomplete in the sense of being nearly linearly dependent) and consisting of Heaviside functions. Among all possible representations of the process we want to find a sparse one utilizing a significantly reduced number of atoms. This problem can be solved by ell_1-minimization. The basis pursuit algorithm is used to get sparse parameter estimates.

Druh

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

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GPP402%2F10%2FP209" target="_blank" >GPP402/10/P209: Modely časový řad a metody detekce změn</a><br>

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název periodika

Nonlinear Analysis: Modelling and Control

ISSN

1392-5113

e-ISSN

—

Svazek periodika

18

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

LT - Litevská republika

Počet stran výsledku

14

Strana od-do

177-190

Kód UT WoS článku

000321935700005

EID výsledku v databázi Scopus

—