Because of time, cost or safety res

Because of time, cost or safety restrictions, multi-sensor measurement results are commonly
of poor information characterized by small data samples and an unknown data distribution.
A dynamic bootstrap grey method is proposed to handle such problems considering that traditional
statistical methods cannot. For small data samples, the proposed method has a
lower relative estimation error of the measurement results compared to the grey bootstrap
method and the Monte Carlo method. It is also superior to the Bessel method for large data
samples. Based on two sets of experimental data, the estimation reliability of the dynamic
bootstrap grey method is above 95% with a confidence level of 99.7% while providing a very
low relative error of the estimated expected measured value and estimated measurement
uncertainty. The presented results show that the dynamic bootstrap grey method can estimate
the measurement results successfully without requiring data distribution information
or a large sample size.

ผลลัพธ์ (ไทย) 1:

เนื่องจากข้อจำกัดของเวลา ต้นทุน หรือความปลอดภัย เซ็นเซอร์หลายวัดผลโดยทั่วไปเป็นข้อมูลที่ดีโดยตัวอย่างข้อมูลขนาดเล็กและการกระจายข้อมูลที่ไม่รู้จักนำเสนอวิธีการสีเทาแบบไดนามิกเริ่มต้นระบบจัดการปัญหาดังกล่าวพิจารณาที่ดั้งเดิมวิธีการทางสถิติไม่ สำหรับตัวอย่างข้อมูลขนาดเล็ก มีวิธีการนำเสนอการข้อผิดพลาดสัมพัทธ์ประมาณต่ำกว่าผลประเมินเทียบกับ bootstrap สีเทาวิธีการและวิธีการมอน Carlo ก็ยังเหนือกว่าวิธี Bessel สำหรับข้อมูลขนาดใหญ่ตัวอย่างการ ตามข้อมูลทดลอง การประเมินความน่าเชื่อถือของไดนามิกสองชุดวิธีการเริ่มต้นระบบสีเทาอยู่เหนือ 95% ระดับความเชื่อมั่น 99.7% ให้เป็นมากข้อผิดพลาดสัมพัทธ์ต่ำของการประเมินคาดว่าวัดค่า และประเมินวัดความไม่แน่นอน แสดงผลปรากฏว่า สามารถประเมินวิธีการสีเทาแบบไดนามิกเริ่มต้นระบบวัดผลสำเร็จโดยการกระจายข้อมูลหรือขนาดตัวอย่างขนาดใหญ่

ผลลัพธ์ (ไทย) 2:

เพราะเวลาค่าใช้จ่ายหรือความปลอดภัยข้อ จำกัด ผลการวัดหลายเซ็นเซอร์เป็นปกติ
ของข้อมูลที่ไม่ดีโดดเด่นด้วยตัวอย่างข้อมูลขนาดเล็กและการกระจายข้อมูลที่ไม่รู้จัก
วิธีการแบบไดนามิกบูตสีเทาจะเสนอให้จัดการปัญหาดังกล่าวพิจารณาว่าแบบดั้งเดิม
วิธีการทางสถิติไม่สามารถ สำหรับตัวอย่างข้อมูลขนาดเล็ก, วิธีที่เสนอมี
ข้อผิดพลาดการประเมินต่ำกว่าความสัมพันธ์ของผลการวัดเทียบกับบูตสีเทา
วิธีการและวิธีมอนติคาร์โล นอกจากนี้ยังเป็นที่ดีกว่าวิธีการ Bessel สำหรับข้อมูลขนาดใหญ่
ตัวอย่าง ขึ้นอยู่กับสองชุดของข้อมูลการทดลอง, ความน่าเชื่อถือของการประมาณค่าแบบไดนามิก
วิธีบูตสีเทาอยู่เหนือ 95% มีระดับความเชื่อมั่นของ 99.7% ในขณะที่ให้มาก
ความผิดพลาดต่ำของการประเมินมูลค่าที่คาดว่าจะวัดและการวัดประเมิน
ความไม่แน่นอน นำเสนอผลการแสดงให้เห็นว่าวิธีการแบบไดนามิกสีเทาบูตสามารถที่จะประเมิน
ผลการวัดที่ประสบความสำเร็จโดยไม่ต้องมีข้อมูลการกระจายข้อมูล
หรือขนาดของกลุ่มตัวอย่างที่มีขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

เพราะเวลา ต้นทุน หรือ ความปลอดภัย จำกัด ผลการวัด multi-sensor มัก
ยากจนของข้อมูลลักษณะตัวอย่างข้อมูลขนาดเล็ก และมีข้อมูลที่ไม่รู้จัก การบูทสีเทาวิธีนำเสนอแบบไดนามิกเพื่อจัดการกับปัญหาดังกล่าว การพิจารณาว่าดั้งเดิม
สถิติไม่ได้ สำหรับตัวอย่างข้อมูลขนาดเล็ก วิธีที่เสนอมี
ลดญาติการประเมินข้อผิดพลาดผลลัพธ์จากการวัดเปรียบเทียบกับวิธีบูตสแตรป
สีเทาและวิธีมอนติคาร์โล มันยังเหนือกว่าวิธีเบสเซลสำหรับตัวอย่างข้อมูล
ขนาดใหญ่ บนพื้นฐานของข้อมูลสองชุด ทดลอง การประมาณค่าความเชื่อมั่นของแบบไดนามิก
บูทสีเทา เป็นวิธีที่มากกว่า 95% ด้วยระดับความเชื่อมั่น 99.7% ขณะให้มาก
ความคลาดเคลื่อนสัมพัทธ์ต่ำของการประมาณการคาดว่าค่าวัดและประเมินการวัด
ความไม่แน่นอน นำเสนอผลการทดลองแสดงให้เห็นว่าวิธีการประเมินแบบบูทสีเทา
ผลการวัดเรียบร้อยแล้ว โดยไม่ต้องมีการกระจายข้อมูลข้อมูล

หรือขนาดตัวอย่างใหญ่