4,99 €
inkl. MwSt.
Sofort per Download lieferbar
  • Format: ePub

Qu'est-ce que le consensus sur échantillon aléatoire
Le consensus sur échantillon aléatoire, également connu sous le nom de RANSAC, est une méthode itérative utilisée pour estimer les paramètres d'un modèle mathématique basé sur une collection. de données observées qui incluent des valeurs aberrantes. Cette méthode est utilisée dans les situations où les valeurs aberrantes ne peuvent avoir aucun impact sur les valeurs des estimations. La conclusion est qu’il est également possible de le considérer comme un outil de détection des valeurs aberrantes. Un algorithme est considéré comme non…mehr

Produktbeschreibung
Qu'est-ce que le consensus sur échantillon aléatoire

Le consensus sur échantillon aléatoire, également connu sous le nom de RANSAC, est une méthode itérative utilisée pour estimer les paramètres d'un modèle mathématique basé sur une collection. de données observées qui incluent des valeurs aberrantes. Cette méthode est utilisée dans les situations où les valeurs aberrantes ne peuvent avoir aucun impact sur les valeurs des estimations. La conclusion est qu’il est également possible de le considérer comme un outil de détection des valeurs aberrantes. Un algorithme est considéré comme non déterministe s’il est capable de générer un résultat approprié uniquement avec une certaine probabilité, et cette probabilité augmente à mesure que le nombre d’itérations autorisées via la méthode augmente. En 1981, ce sont Fischler et Bolles, qui travaillaient chez SRI International, qui ont initialement publié l'algorithme. Afin de résoudre le problème de détermination de localisation (LDP), qui est un problème dans lequel l'objectif est de trouver les points dans l'espace qui se projettent sur une image, puis de convertir ces points en un ensemble de points de repère avec des positions connues, ils ont utilisé RANSAC.

Comment vous en bénéficierez

(I) Informations et validations sur les sujets suivants :

Chapitre 1 : Consensus sur un échantillon aléatoire

Chapitre 2 : Estimateur

Chapitre 3 : Moindres carrés

Chapitre 4 : Valeurs aberrantes

Chapitre 5 : Validation croisée (statistiques)

Chapitre 6 : Erreurs et résidus

Chapitre 7 : Modèle de mélange

Chapitre 8 : Statistiques robustes

Chapitre 9 : Assemblage d'images

Chapitre 10 : Rééchantillonnage (statistiques)

(II) Répondre aux principales questions du public sur le consensus des échantillons aléatoires.

(III) Exemples concrets d'utilisation de consensus sur un échantillon aléatoire dans de nombreux domaines.

À qui s'adresse ce livre

Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui veulent y aller au-delà des connaissances ou des informations de base pour tout type de consensus sur un échantillon aléatoire.