چکیده مقاله
در این مقاله برآورد بیشینه پسین حاشیه ای MMA پارامترهای مدلهای آمیخته متناهی تحت نمونه گیری مجموعه های رتبه بندی شده RSS انجام شده و سپس رده بندی داده های مشاهده شده صورت می گیرد بدین منظور از الگوریتم حالت افزایی برای برآورد حاشیه ای SAME مبتنی بر MCMC استفاده می شود نتایج نشان می دهد که برآوردگرهای مبتنی بر RSS عملکرد بهتری نسبت به نمونه گیری تصادفی ساده SRS دارند و این یافته ها با استفاده از داده های واقعی ماهی اسپات تایید شده اند
کلیدواژهها
رده بندی محاسبات بیزی طبقه بندی نمونه گیری مجموعه های رتبه بندی شده افزایش حالت برای برآورد حاشیه ای
نویسندگان
محمد خراسانی
دانشکده مهندسی سیستمهای هوشمند و علوم داده دانشگاه خلیج فارس، بوشهر، ایران
فضل الله لک
دانشکده مهندسی سیستمهای هوشمند و علوم داده دانشگاه خلیج فارس، بوشهر، ایران
محمد اسماعیل دهقان منفرد
دانشکده مهندسی سیستمهای هوشمند و علوم داده دانشگاه خلیج فارس، بوشهر، ایران
شیوه ارجاع
�راسانی، محمد و لک، فضل الله و دهقان منفرد، محمد اسماعیل،1404،رده بندی مدلهای آمیخته بر اساس RSS،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر
ارائهشده در
همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران