Přejít k obsahu


High Dimensional and Large Span Data Least Square Error: Numerical Stability and Conditionality

Citace:
SKALA, V. High Dimensional and Large Span Data Least Square Error: Numerical Stability and Conditionality. International Journal of Applied Physics and Mathematics, 2017, roč. 7, č. 3, s. 148-156. ISSN: 2010-362X
Druh: ČLÁNEK
Jazyk publikace: eng
Anglický název: High Dimensional and Large Span Data Least Square Error: Numerical Stability and Conditionality
Rok vydání: 2017
Autoři: Prof. Ing. Václav Skala CSc.
Abstrakt CZ: Příspěvek analyzuje vliv řádkové a sloupcové normalizace matice v kontextu Gershgorinova teorému. Postup byl experimentálně ověřen a metodě nejmenších čtverců pro vysokou dimenzionalitu a velký rozsah dat. Navrhovaný postup byl testován také na Hilbertově matici a analyzována změna podmíněnosti.
Abstrakt EN: In this paper, we analyze influence of row and column “normalization” inspired by the Gershgorin’s theorem. The approach has been experimentally verified on a LSE application for high dimensional and large span data. The proposed approach was tested also on Hilbert’s matrix inversion for conditional number change analysis.
Klíčová slova

Zpět

Patička