Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Analysis of Autocorrelation Function of Random Processes by Higher Degree F-transform

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17610%2F21%3AA22025DQ" target="_blank" >RIV/61988987:17610/21:A22025DQ - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/article/10.1007/s00500-020-05543-x" target="_blank" >https://link.springer.com/article/10.1007/s00500-020-05543-x</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Analysis of Autocorrelation Function of Random Processes by Higher Degree F-transform

  • Popis výsledku v původním jazyce

    The autocorrelation function of a random process is one of the essential tools in the description of variability that is successfully applied in many scientific fields such as statistical signal processing or financial time series analysis and forecasting. The aim of the paper is to provide the analysis of the autocorrelation function of a stochastic process with the help of the fuzzy transform of higher degree, where a bivariate fuzzy transform is newly introduced in the tensor product of polynomial spaces. We prove several approximation properties of the tensor product based fuzzy transform and show that such a bivariate fuzzy transform of multiplicative separable functions can be easily obtained as a product of univariate fuzzy transforms of the respective functions. The main contribution of the paper is a proven relationship between the fuzzy transform of the autocorrelation function of a stochastic process and the autocorrelation function of the fuzzy transform of the stochastic process.

  • Název v anglickém jazyce

    Analysis of Autocorrelation Function of Random Processes by Higher Degree F-transform

  • Popis výsledku anglicky

    The autocorrelation function of a random process is one of the essential tools in the description of variability that is successfully applied in many scientific fields such as statistical signal processing or financial time series analysis and forecasting. The aim of the paper is to provide the analysis of the autocorrelation function of a stochastic process with the help of the fuzzy transform of higher degree, where a bivariate fuzzy transform is newly introduced in the tensor product of polynomial spaces. We prove several approximation properties of the tensor product based fuzzy transform and show that such a bivariate fuzzy transform of multiplicative separable functions can be easily obtained as a product of univariate fuzzy transforms of the respective functions. The main contribution of the paper is a proven relationship between the fuzzy transform of the autocorrelation function of a stochastic process and the autocorrelation function of the fuzzy transform of the stochastic process.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

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

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Soft Computing

  • ISSN

    1432-7643

  • e-ISSN

  • Svazek periodika

    25

  • Číslo periodika v rámci svazku

    12

  • Stát vydavatele periodika

    DE - Spolková republika Německo

  • Počet stran výsledku

    24

  • Strana od-do

    7707-7730

  • Kód UT WoS článku

    000608667000003

  • EID výsledku v databázi Scopus

    2-s2.0-85100157572