Statistical techniques for extracting underlying information in network R&D
محل انتشار: هفتمین همایش مراکز تحقیق و توسعه صنایع و معادن
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,705
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIMRDC07_043
تاریخ نمایه سازی: 2 فروردین 1387
چکیده مقاله:
In this paper we discuss on some statistical techniques deals with blind source separation (BSS). We introduce some applications of these techniques for extracting hidden information lies in data gathered from network Research and Development (R&D) units. This kind of information can be applied extensively for value creation in network R&D units.
We mainly concern on two useful techniques: 1. Independent Component Analysis (ICA) and, 2. Principal Component Analysis (PCA). These are two important multivariate solutions for this problem.
کلیدواژه ها:
نویسندگان
Vahid Nassiri
Amirkabir University of Technology (Tehran Polytechnic) and Statistical Research and Training Center (SRTC)
Adel Mohammadpour
Amirkabir University of Technology (Tehran Polytechnic) and Statistical Research and Training Center (SRTC)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :