Impact of Smoothing Parameter on Change Point Detection by Sparse Parameter Estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60162694%3AG42__%2F11%3A00448954" target="_blank" >RIV/60162694:G42__/11:00448954 - isvavai.cz</a>

Výsledek na webu

<a href="http://vavtest.unob.cz/registr" target="_blank" >http://vavtest.unob.cz/registr</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Impact of Smoothing Parameter on Change Point Detection by Sparse Parameter Estimation

Popis výsledku v původním jazyce

The contribution is focused on change point detection in a one-dimensional stochastic process using sparse parameter estimation from an overparametrized model. A stochastic process with change in the mean is estimated using dictionary 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. The basis pursuit algorithm is used to get sparse parameter estimates. The basis pursuit approach proposes an alternative technique of the change point detection. In this contribution the authors calculate empirical probability of successful change point detection as a function depending on the smoothing parameter and the level of standard deviation of an additive white noise of the stochastic process. The empirical probability was computed by simulations where locations of change points were chosen randomly from uniform distribution.

Název v anglickém jazyce

Impact of Smoothing Parameter on Change Point Detection by Sparse Parameter Estimation

Popis výsledku anglicky

The contribution is focused on change point detection in a one-dimensional stochastic process using sparse parameter estimation from an overparametrized model. A stochastic process with change in the mean is estimated using dictionary 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. The basis pursuit algorithm is used to get sparse parameter estimates. The basis pursuit approach proposes an alternative technique of the change point detection. In this contribution the authors calculate empirical probability of successful change point detection as a function depending on the smoothing parameter and the level of standard deviation of an additive white noise of the stochastic process. The empirical probability was computed by simulations where locations of change points were chosen randomly from uniform distribution.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2011

Kód důvěrnosti údajů

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

Název statě ve sborníku

XXVII International Conference Problems Of Decision Making Under Uncertainties (PDMU-2011)

ISBN

978-966-188-227-9

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

24-25

Název nakladatele

—

Místo vydání

Kijev

Místo konání akce

Yalta, Ukraine

Datum konání akce

1. 1. 2011

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—