Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
5
Lista B
Status:
Warianty tytułu:
Poszukiwanie optymalnego rozmiaru próbki w zagadnieniu monitorowania cukrzycy
Autorzy: Savchenko I., Wójcik Waldemar
Rok wydania: 2013
Wersja dokumentu: Drukowana
Język: angielski
Numer czasopisma: 8
Strony: 25 - 27
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: NIE
Abstrakty: polski | angielski
Praktyczne rozwiązanie problemów pokazuje, że nie zawsze : więcej informacji źródłowych uwzględnianych w modelu, pozwala na osiągniecie dokładniejszego wyniku modelowania. Istnieje optymalna wielkość próby dla każdego konkretnego problemu modelowania. Taki optymalny format próbki danych może być nazywany jej jądrem. Optymalna wielkość może być wybrana przez sortowanie dostępnych formatów danych z różnych etapów oraz wybór najlepszego dla określonego kryterium. W ten sposób mogą być generowane próbki o różnych formatach oraz dla każdej z tych próbek mogą być tworzone modele prognostyczne. W niniejszym opracowaniu do tworzenia modeli wykorzystano, kombinacyjny algorytm GMDH z wyborem modelu w oparciu o wtórne określenie na podstawie kryterium błędu progowego [1, 2]. Wybór optymalnej wielkości próby rozważany jest na przykładzie problemu prognozowania poziomu glukozy we krwi, podczas leczenia cukrzycy w domu.
The practical problems solution shows that it is not always: the more source information is taken into account in the model the more precisely the result of modeling is. There is an optimal sample size for each specific problem of modeling. Such optimal format of data sample can be called its nucleus. The optimal size can be chosen by sorting of the available data formats with different steps and to choose the best one for certain criterion. Thus samples of different formats can be generated and forecasting models can be built for each sample. In this paper combinatorial GMDH algorithm with model selection after-determination by criterion of error bias is used for models`development [1, 2]. We consider selection of the optimal sample size in the problem of forecasting for glucose level in the blood when treating diabetes at home.