Presentamos un método para rechazar modelos competidores a partir de datos ruidosos de series temporales que no depende de la inferencia de parámetros. Primero caracterizamos modelos de ecuaciones diferenciales ordinarias solo en variables medibles utilizando la eliminación diferencial-álgebra. Este procedimiento proporciona ecuaciones de entrada-salida, que sirven como invariantes para datos de series temporales. Desarrollamos una prueba de comparación de modelos usando álgebra lineal y estadística para rechazar modelos incorrectos a partir de sus invariantes. Este algoritmo explota las propiedades dinámicas que están codificadas en la estructura de las ecuaciones del modelo sin recurrir a los valores de los parámetros, y, en este sentido, el enfoque es libre de parámetros. Demostramos este método discriminando entre diferentes modelos de biología matemática.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un Método de Análisis de Fallas para Motores de Inducción Trifásicos Basado en Sistemas Neuronales de Picos.
Artículo:
GLPP: un marco de preservación de la privacidad de la localización basado en juegos en servicios mixtos de localización vinculados a cuentas
Artículo:
Comparación de EMS basados en optimización y reglas para instalaciones domésticas de baterías fotovoltaicas con límites locales de SoC variables en el tiempo
Artículo:
Ataque anticolusión Seguridad no interactiva Esquema jerárquico de acuerdo de claves en WHMS
Artículo:
Método de reclutamiento de participantes con el objetivo de mejorar la calidad del servicio en la detección de multitudes móviles.
Artículo:
Análisis ABC en la gestión de inventarios : aplicación de la metodología en un caso específico
Artículo:
Metodología six-sigma : calidad Industrial
Artículo:
Aplicación de seis sigmas integradas con AMEF y QFD en el proceso de fabricación y distribución de muebles
Artículo:
Mejora de procesos de producción a través de la gestión de riesgos y herramientas estadísticas