هوش گیتهوش گیترسانه، شبکه و یادگیری AI
/ ⌘K
ورود
/ ⌘K
خانهشبکهیادگیریپروژه‌ها
هوش گیتهوش گیترسانه، شبکه و یادگیری AI
صفحه اصلیشبکهاخبارپژوهشابزارهایادگیریفضاها
/ ⌘K
ورود

دسترسی سریع

دسترسی سریع تحریریه

خبرها، موضوعات، حساب کاربری و تنظیمات مطالعه همیشه در سمت راست در دسترس‌اند.

حساب کاربری

ورود سریع به حساب و ابزارهای شخصی‌سازی

ورود

با حساب کاربری، اعلان‌ها، ذخیره‌سازی خبرها و سطح مطالعه شخصی را فعال می‌کنید.

صفحه اصلیشبکهاخبارپژوهشابزارهایادگیریفضاهاچهره‌های تخصصیسیاست‌گذاریامنیترویدادهافرصت‌های شغلیسرگرمیپروژه‌هاموضوعات
مرور موضوعات
همه
تم
درباره ماحریم خصوصیتماس با ما

مالکیت و پشتیبانی

شبکه هوشمند ابتکار ویستا

هوش‌گیت به‌عنوان رسانه و لایه دانشی این شرکت، با تمرکز بر خبر، یادگیری، همکاری حرفه‌ای و محصول‌های هوش مصنوعی توسعه داده می‌شود. تمامی حقوق مالکیت و کپی‌رایت این وب‌سایت متعلق به شبکه هوشمند ابتکار ویستا است.

این شرکت به‌صورت تخصصی در حوزه هوش مصنوعی، ساخت پلتفرم‌های AI، سامانه‌های مبتنی بر LLM، تحلیل داده، طراحی تجربه دانشی و توسعه زیرساخت‌های حرفه‌ای برای تیم‌های سازمانی فعالیت می‌کند.

مالکیت: شبکه هوشمند ابتکار ویستامدیرعامل: مسعود بخشی۰۹۱۲۴۷۳۳۲۳۴Devcodebase.dev@gmail.comHooshgate@gmail.comDevcodebase.com
v0.1.0 · dev · unset/api/version
آخرین خبرهاآموزشپریمیومدرباره ماتماس با ماحریم خصوصیقوانین استفادهکوکی‌هاسیاست تحریریه
خانهشبکهیادگیریپروژه‌هاپروفایل
  1. خانه
  2. /
  3. اخبار
  4. /
  5. یک چارچوب قوی و مقیاس پذیر برای تخمین نوسانات با ابعاد بالا
arXiv (math.ST)معتبر1405/01/18 04:00زیرساخت و محاسبات

یک چارچوب قوی و مقیاس پذیر برای تخمین نوسانات با ابعاد بالا

BEKK-ARCH معرفی می‌کند. بهتر عمل می‌کند. 2510.17578 [math.ST] (یا arXiv:.

منبع: arXiv (math.ST)

زیرساخت و محاسباتپژوهش پیشرفته
نسخه مطالعهعمومی
منبعarXiv (math.ST)
انتشار1405/01/18 04:00
سطح مطالعه
اشتراک در تلگرام
یک چارچوب قوی و مقیاس پذیر برای تخمین نوسانات با ابعاد بالا

راهنمای مطالعه

منبع اصلی، تاریخ فارسی و شاخص‌های سریع این خبر.

رفتن به منبع
تاریخ فارسی1405/01/18 04:00
داستانمستقل

نکات کلیدی

این باکس براساس سطح مطالعه شما (عمومی) تنظیم شده است.

  • این مقاله یک چارچوب برآورد قوی و کارآمد محاسباتی را برای مدل های نوسانات با ابعاد بالا در کلاس.
  • BEKK-ARCH معرفی می کند.
  • رویکرد پیشنهادی از برش داده ها برای اطمینان از استحکام در برابر توزیع های دم سنگین استفاده می کند و از.
  • یک روش حداقل مربعات منظم برای بهینه سازی کارآمد در تنظیمات با ابعاد بالا استفاده می کند.
  • این با استفاده از یک نمایش VAR معادل مدل BEKK-ARCH به دست می آید.
  • مرزهای خطای غیر مجانبی برای برآوردگرهای حاصل تحت رژیم دم سنگین ایجاد می شود و حداکثر نرخ همگرایی بهینه.
  • به دست می آید.

فهرست مطالب

  1. TL;DR
  2. چه اتفاقی افتاد
  3. چرا مهم است
  4. منبع

سیگنال تعامل

بازدید۴
کلیک۰
امتیاز0.00
دیدگاه۰

TL;DR

  • مشاهده PDF چکیده:.
  • این مقاله یک چارچوب برآورد قوی و کارآمد محاسباتی را برای مدل‌های نوسانات با ابعاد بالا در کلاس.
  • BEKK-ARCH معرفی می‌کند.

چه اتفاقی افتاد

مشاهده PDF چکیده:. این مقاله یک چارچوب برآورد قوی و کارآمد محاسباتی را برای مدل‌های نوسانات با ابعاد بالا در کلاس.

BEKK-ARCH معرفی می‌کند. رویکرد پیشنهادی از برش داده‌ها برای اطمینان از استحکام در برابر توزیع‌های دم سنگین استفاده می‌کند و از.

یک روش حداقل مربعات منظم برای بهینه‌سازی کارآمد در تنظیمات با ابعاد بالا استفاده می‌کند. این با استفاده از یک نمایش VAR معادل مدل BEKK-ARCH به دست می آید.

مرزهای خطای غیر مجانبی برای برآوردگرهای حاصل تحت رژیم دم سنگین ایجاد می‌شود و حداکثر نرخ همگرایی بهینه. به دست می‌آید.

علاوه بر این،. یک BIC قوی و یک تخمین‌گر از نوع Ridge به ترتیب برای انتخاب ترتیب مدل و تعداد اجزای.

BEKK معرفی شده‌اند که سازگاری انتخاب آنها تحت تنظیمات دم سنگین ایجاد شده است. مطالعات شبیه سازی عملکرد نمونه محدود را نشان می دهد روش پیشنهادی و دو کاربرد تجربی کاربرد عملی.

آن را نشان می‌دهد. نتایج نشان می‌دهد که چارچوب جدید از گزینه‌های موجود هم در سرعت محاسباتی و هم در دقت پیش‌بینی.

بهتر عمل می‌کند. موضوعات:.

نظریه آمار (math.ST) کلاس های MSC:. 62M10،.

62H12 استناد به عنوان:. arXiv:.

2510.17578 [math.ST] (یا arXiv:. 2510.17578v2 [math.ST] برای این نسخه) https:.

//doi.org/10.48550/arXiv.2510.17578 DOI صادر شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Qianqian Zhu Dr.

[مشاهده ایمیل] [v1] دوشنبه،. 20 اکتبر 2025،.

ساعت 14:. 27:.

33 UTC (2,. 421 KB) [v2] یکشنبه،.

5 آوریل 2026،. 02:.

35:. 02 UTC (74 KB).

چرا مهم است

اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیم‌گیری سازمانی اثر می‌گذارد.

منبع

لینک منبع اصلی در کارت و صفحه مقاله نمایش داده می‌شود.

تعامل کاربران و کیفیت خبر

امتیاز بدهید، نظر ثبت کنید یا اگر خطایی دیدید گزارش اصلاح بفرستید.

بازدید

۰

کلیک روی خبر

۰

امتیاز میانگین

0.00 / 5

دیدگاه تایید شده

۰

امتیاز شما به خبر

هنوز امتیاز نداده‌اید.

واکنش سریع به خبر

به‌جای لایک کلی، نوع برداشت خودتان را مشخص کنید.

ثبت دیدگاه

گزارش اصلاح یا بهبود

آخرین دیدگاه‌ها

هنوز دیدگاهی ثبت نشده است.

مقایسه سه سطح مطالعه

برای همین خبر، نسخه ساده، عمومی و تخصصی کنار هم خلاصه شده‌اند.

ساده

۱٬۶۵۶ کاراکتر

آنها تحت تنظیمات دم سنگین ایجاد شده است. arXiv:. 2510.17578 [math.ST] (یا arXiv:.

  • این مقاله یک چارچوب برآورد قوی و کارآمد محاسباتی را برای مدل های.
  • نوسانات با ابعاد بالا در کلاس BEKK-ARCH معرفی می کند.
  • رویکرد پیشنهادی از برش داده ها برای اطمینان از استحکام در برابر توزیع های.
  • دم سنگین استفاده می کند و از یک روش حداقل مربعات منظم برای.

عمومی

۱٬۶۵۲ کاراکتر

BEKK-ARCH معرفی می‌کند. بهتر عمل می‌کند. 2510.17578 [math.ST] (یا arXiv:.

  • این مقاله یک چارچوب برآورد قوی و کارآمد محاسباتی را برای مدل های نوسانات با ابعاد بالا در کلاس.
  • BEKK-ARCH معرفی می کند.
  • رویکرد پیشنهادی از برش داده ها برای اطمینان از استحکام در برابر توزیع های دم سنگین استفاده می کند و از.
  • یک روش حداقل مربعات منظم برای بهینه سازی کارآمد در تنظیمات با ابعاد بالا استفاده می کند.

تخصصی

۱٬۸۲۴ کاراکتر

با ابعاد بالا استفاده می‌کند. arXiv:. 2510.17578 [math.ST] (یا arXiv:.

  • این مقاله یک چارچوب برآورد قوی و کارآمد محاسباتی را برای مدل های نوسانات با ابعاد بالا در کلاس BEKK-ARCH مع...
  • رویکرد پیشنهادی از برش داده ها برای اطمینان از استحکام در برابر توزیع های دم سنگین استفاده می کند و از یک ر...
  • با ابعاد بالا استفاده می کند.
  • این با استفاده از یک نمایش VAR معادل مدل BEKK-ARCH به دست می آید.

هایلایت‌ها و یادداشت‌ها

متن دلخواه را در خبر انتخاب کنید و با یک کلیک هایلایت بزنید. فقط برای شما قابل مشاهده است.

برای استفاده از هایلایت و یادداشت، وارد حساب کاربری شوید.

منابع اولیه

لینک‌های اصلی این خبر، شامل منبع اصلی و ارجاع‌های claim panel.

  • https://arxiv.org/abs/2510.17578v2
  • https://arxiv.org/list/math.ST/recent

پست‌های مرتبط نبض هوش

چهره‌های تخصصی Hooshgate این خبر را از زاویه نقش و تخصص خودشان تحلیل کرده‌اند.

رفتن به شبکه

هنوز پست تخصصی برای این خبر منتشر نشده است.

با انتشار یا backfill پست‌های شبکه، تحلیل‌های مرتبط اینجا نمایش داده می‌شوند.

خبرهای مرتبط

خبرهای نزدیک به همین موضوع برای ادامه مطالعه.

رویدادهای آیندهNIST AIهوش مصنوعی متا EUPE را منتشر کرد: خانواده رمزگذار دید فشرده با پارامترهای 100 میلیونی که با مدل‌های تخصصی در درک تصویر، پیش‌بینی متراکم و وظایف VLM رقابت می‌کند.MarkTechPostتجزیه و تحلیل خودکار ابتکارات جهانی ایمنی هوش مصنوعی: یک رویکرد LLM مبتنی بر طبقه بندیarXiv (cs.AI)تنظیم دقیق بیزی متغیر مقیاس پذیر LLM از طریق آداپتورهای متعامد با رتبه پایینarXiv (stat.ML)

بعدش چی بخونم؟

پیشنهادها براساس موضوعات، موجودیت‌ها و سابقه مطالعه شما انتخاب می‌شوند.

GENSERVE: خدمات مشترک کارآمد بارهای کاری مدل انتشار ناهمگنarXiv (cs.DC)تجزیه و تحلیل جامع عملکرد Uplink سلولی در استقرار استادیوم متراکمarXiv (cs.NI)افت انتشار ذاتی باندهای فرکانس بالا،. حتی در شبکه های بدون بار محدود می کند. در حالی که باندهای TDD با فرکانس بالا،.CoLoRSMamba: مامبای مشروط LoRA برای تشخیص خشونت چندوجهی نظارت شدهarXiv (cs.SD)CLS جفت می کند. تراز می کند. 2604.03329 [cs.CV] (یا arXiv:.الگوریتم شتاب‌دار میون برای مدل‌های خطی تعمیم یافته تانسور با رتبه جدایی پایینarXiv (stat.ML)طریق پیش بینی های مکرر مبتنی بر QR اعمال می کند. کند. 2604.04726 [stat.ML] (یا arXiv:.وقتی پاداش‌های تطبیقی ​​صدمه می‌زنند: بررسی علّی و معضل تغییر-پایداری در برنامه‌ریزی ماهواره‌ای LEO با هدایت LLMarXiv (cs.AI)وزن های پاداش تقریباً ثابت (342.1 مگابیت در ثانیه) از وزن های دینامیکی که با دقت تنظیم شده اند (103.3+/-96.8 مگابیت. در ثانیه) به...
دسته‌های مرتبط:خبرپژوهش
برچسب‌ها:RAG
فهرست خبرها