Key points are not available for this paper at this time.
تتمتع نماذج المزيج الغاوسي (GMM) بتطبيقات عديدة في تقدير الكثافة وتجميع البيانات. ومع ذلك، فإن النماذج لا تتكيف جيدًا مع البيانات المنحنية وغير الخطية بشدة، حيث تحتاج العديد من مكونات غاوسية عادةً لتناسب البيانات الموجودة حول التشعب غير الخطي بشكل مناسب. لحل هذه المشكلة، أنشأنا طريقة تجمع الارتباك العابر للدالة النشطة (afCEC) التي تستخدم غاوسيات في أنظمة الإحداثيات المنحنية. تتمتع الطريقة بعدة مزايا مقارنةً بـ GMM: حيث تتيح التكيف بسهولة مع تجميع مجموعات البيانات المعقدة على طول مجموعة وظائف محددة مسبقًا ولا تحتاج إلى طرق خارجية لتحديد عدد المجموعات، حيث تقلل تلقائيًا (عبر الإنترنت) من عدد المجموعات. تظهر التجارب على البيانات الاصطناعية، الشخصيات الصينية، البيانات من مستودع UCI وأنظمة مراقبة توربينات الرياح أن النموذج غير الخطي المقترح يحصل عادةً على نتائج أفضل من الطرق التقليدية.
درس سبورك وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: