A frequency-localized recursive partial least squares ensemble for soft sensing

2018 ◽  
Vol 32 (5) ◽  
pp. e2999 ◽  
Author(s):  
Dominic V. Poerio ◽  
Steven D. Brown
Keyword(s):  
Least Squares ◽  
Partial Least Squares ◽  
Soft Sensing

An fMRI study examining spatial navigation through a virtual environment: Partial least squares analysis

2005 ◽  
Author(s):  
Richard Mraz ◽  
Nancy J. Lobaugh ◽  
Genevieve Quintin ◽  
Konstantine K. Kakzanis ◽  
Simon J. Graham
Keyword(s):  
Least Squares ◽  
Virtual Environment ◽  
Partial Least Squares ◽  
Spatial Navigation ◽  
Partial Least Squares Analysis ◽  
Fmri Study

Controlling in der Produktentwicklung

Controlling ◽  
2020 ◽  
Vol 32 (3) ◽  
pp. 45-50
Author(s):  
Marc Janka
Keyword(s):  
Least Squares ◽  
Partial Least Squares ◽  
Finite Mixture

Gemeinhin gilt die Annahme, dass das Controlling für viele deutsche Unternehmen auch oder besonders in der Produktentwicklung von großer Bedeutung ist und vor allem unter Umfeldunsicherheit ein wesentlicher Erfolgsfaktor sein kann. Der vorliegende Beitrag zeigt unter Anwendung einer für die Controlling-Forschung neuartigen Methode zur Schätzung von Mischverteilungen mittels partieller Regressionen (englisch finite mixture partial least squares [FIMIX-PLS]), ob diese Annahme für alle Unternehmen gleichermaßen gilt.

Partial Least Squares Strukturgleichungsmodellierung

2017 ◽  
Author(s):  
Joseph F. Hair ◽  
Sven Hauff ◽  
G. Tomas M. Hult ◽  
Nicole F. Richter ◽  
Christian M. Ringle ◽  
...  
Keyword(s):  
Least Squares ◽  
Partial Least Squares

Use of reflectance spectroscopy to estimate the organic carbon and CaCO3 contents of soils

2012 ◽  
Vol 61 (2) ◽  
pp. 277-290 ◽  
Author(s):  
Ádám Csorba ◽  
Vince Láng ◽  
László Fenyvesi ◽  
Erika Michéli
Keyword(s):  
Organic Carbon ◽  
Least Squares ◽  
Partial Least Squares ◽  
Partial Least Squares Regression ◽  
Mean Squared Error ◽  
Reflectance Spectroscopy ◽  
Least Squares Regression ◽  
Root Mean Squared Error ◽  
Squared Error

Napjainkban egyre nagyobb igény mutatkozik olyan technológiák és módszerek kidolgozására és alkalmazására, melyek lehetővé teszik a gyors, költséghatékony és környezetbarát talajadat-felvételezést és kiértékelést. Ezeknek az igényeknek felel meg a reflektancia spektroszkópia, mely az elektromágneses spektrum látható (VIS) és közeli infravörös (NIR) tartományában (350–2500 nm) végzett reflektancia-mérésekre épül. Figyelembe véve, hogy a talajokról felvett reflektancia spektrum információban nagyon gazdag, és a vizsgált tartományban számos talajalkotó rendelkezik karakterisztikus spektrális „ujjlenyomattal”, egyetlen görbéből lehetővé válik nagyszámú, kulcsfontosságú talajparaméter egyidejű meghatározása. Dolgozatunkban, a reflektancia spektroszkópia alapjaira helyezett, a talajok ösz-szetételének meghatározását célzó módszertani fejlesztés első lépéseit mutatjuk be. Munkánk során talajok szervesszén- és CaCO3-tartalmának megbecslését lehetővé tévő többváltozós matematikai-statisztikai módszerekre (részleges legkisebb négyzetek módszere, partial least squares regression – PLSR) épülő prediktív modellek létrehozását és tesztelését végeztük el. A létrehozott modellek tesztelése során megállapítottuk, hogy az eljárás mindkét talajparaméter esetében magas R2értéket [R2(szerves szén) = 0,815; R2(CaCO3) = 0,907] adott. A becslés pontosságát jelző közepes négyzetes eltérés (root mean squared error – RMSE) érték mindkét paraméter esetében közepesnek mondható [RMSE (szerves szén) = 0,467; RMSE (CaCO3) = 3,508], mely a reflektancia mérési előírások standardizálásával jelentősen javítható. Vizsgálataink alapján arra a következtetésre jutottunk, hogy a reflektancia spektroszkópia és a többváltozós kemometriai eljárások együttes alkalmazásával, gyors és költséghatékony adatfelvételezési és -értékelési módszerhez juthatunk.

Sign in / Sign up

Export Citation Format

Share Document