Zobrazeno 1 - 10
of 2 661
pro vyhledávání: '"kernel techniques"'
The persistence of excitation (PE) condition is sufficient to ensure parameter convergence in adaptive estimation problems. Recent results on adaptive estimation in reproducing kernel Hilbert spaces (RKHS) introduce PE conditions for RKHS. This paper
Externí odkaz:
http://arxiv.org/abs/2009.02866
Autor:
Kurkov, Maxim, Leone, Lorenzo
In this paper, we demonstrate that not only the heat kernel techniques are useful for computation of the parity anomaly, but also the parity anomaly turns out to be a powerful mean in studying the heat kernel. We show that the gravitational parity an
Externí odkaz:
http://arxiv.org/abs/1910.07040
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Mazza, Angelo, Punzo, Antonio
Kernel smoothing represents a useful approach in the graduation of mortality rates. Though there exist several options for performing kernel smoothing in statistical software packages, there have been very few contributions to date that have focused
Externí odkaz:
http://arxiv.org/abs/1211.1184
Autor:
Hon, Y.C., Schaback, R.
Publikováno v:
In Applied Mathematics and Computation 1 May 2015 258:220-226
Publikováno v:
IEEE Transactions on Automatic Control. 68:753-765
The persistence of excitation (PE) condition is sufficient to ensure parameter convergence in adaptive estimation problems. Recent results on adaptive estimation in reproducing kernel Hilbert spaces (RKHS) introduce PE conditions for RKHS. This paper
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::a8f8b91af93bfd8276bb8ea039f79bbd
https://doi.org/10.1109/tac.2022.3148716
https://doi.org/10.1109/tac.2022.3148716
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sethares, William A.1 (AUTHOR) sethares@wisc.edu, Bucklew, James A.1,2 (AUTHOR) bucklew@engr.wisc.edu, Teo, Kok Lay2,3 (AUTHOR)
Publikováno v:
Cogent Mathematics. 2015, Vol. 2 Issue 1, p2-N.PAG. 13p.
Autor:
Angelo Mazza, Antonio Punzo
Publikováno v:
Journal of Statistical Software, Vol 57, Iss 1, Pp 1-18 (2014)
We introduce the R package DBKGrad, conceived to facilitate the use of kernel smoothing in graduating mortality rates. The package implements univariate and bivariate adaptive discrete beta kernel estimators. Discrete kernels have been preferred beca
Externí odkaz:
https://doaj.org/article/6750be2316b4445f862a30434b2ca713