Rank-based predictability score: a new measure for determinism

Mostra el registre complet Registre parcial de l'ítem

• dc.contributor.author Naro, Danielca
• dc.date.accessioned 2014-12-11T11:23:35Z
• dc.date.available 2014-12-11T11:23:35Z
• dc.date.issued 2014-12-11
• dc.description Treball de fi de grau en informàticaca
• dc.description Tutor: Ralph Grefor Andrzejakca
• dc.description.abstract Aquest treball pretén contribuir a l’anàlisi de senyals. Apliquem algoritmes a senyals/nextretes de sistemes que volem entendre millor. Concretament, mesurem el grau de/npredictibilitat del senyal, el que permet la distinció entre dinàmiques determinístiques i/nestocàstiques. Com a nova estratègia per aquesta mesura, definim i avaluem un mètode/nno lineal de puntuació de la predictibilitat basat en rangs. La nostra referència serà la/nmesura clàssica de l’error de predicció basat en distàncies. Apliquem ambdós mètodes/nen dinàmiques conegudes, amb l’objectiu d’avaluar la sensibilitat i especificitat en funció/ndels paràmetres. El nou mètode funciona millor o igual de bé que el mètode basat en/ndistàncies. Demostrem que si el senyal ´es soroll blanc, els resultats del mètode basat en/nrangs segueixen una distribució gaussiana, amb mitja zero i variància coneguda. Segons/nels nostres resultats, el mètode basat en rangs hauria de ser el preferit.ca
• dc.description.abstract This work aims to contribute to signal analysis. We apply algorithms to signals extracted/nfrom systems which we want to understand better. More precisely, we measure/nthe signal’s degree of predictability, which allows the distinction between deterministic/nand stochastic dynamics. As a new approach to this type of measure, we define and/nevaluate a rank-based nonlinear prediction score. The classical distance-based nonlinear/nprediction error algorithm serves as benchmark. Both methods are applied to known/ndynamics under controlled conditions with the aim to assess their sensitivity and specificity,/nand the influence the parameters have on both properties. The new rank-based/nnonlinear prediction score performs better or equally well as the distance-based measure./nWe derive that in application to white noise the rank-based measure follows a/nGaussian distribution with an expected value of zero and known variance. According to/nour findings, the rank-based method should be preferred over the distance-based.en
• dc.format.mimetype application/pdfca
• dc.identifier.uri http://hdl.handle.net/10230/22940
• dc.language.iso engca
• dc.rights Aquest document està subjecte a una llicència Creative Commonsca
• dc.rights.accessRights info:eu-repo/semantics/openAccessca
• dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/es/ca
• dc.subject.other Autoestabilització (Informàtica)ca
• dc.subject.other Enginyeria de programarica
• dc.subject.other Algorismes computacionalsca
• dc.title Rank-based predictability score: a new measure for determinismca
• dc.type info:eu-repo/semantics/bachelorThesisca