This paper proposes a new model tha

This paper proposes a new model that explicitly makes USI:
of both information sources in an integrated way. The model is
formulated based on the Gaussian maximum likelihood method.
The two key random variables considered in the model are
flows and flow increments. By assuming that these two random
variables are normally distributed, we generate an estimate b y
maximizing the likelihood of the flow level at the next time
interval, expressed as a product of the two probability density
functions. The model departs from other existing models in
that the parameters of the model are obtained based little 011
data fitting. The model, therefore, is very robust in terms of
calibration of its parameters.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เสนอรูปแบบใหม่ที่ทำให้ USI อย่างชัดเจน:แหล่งข้อมูลทั้งในทางรวม รูปแบบคือสูตรตามวิธีโอกาส Gaussian สูงสุดมีสองคีย์สุ่มตัวแปรที่พิจารณาในแบบจำลองขั้นตอนและกระแสเพิ่มขึ้น โดยสมมติว่าที่สองที่สุ่มตัวแปรมีการแจกจ่ายโดยปกติ เราสร้างการประเมิน b yเพิ่มความเป็นไปได้ของระดับกระแสที่ครั้งต่อไปช่วง แสดงเป็นผลิตภัณฑ์ของความหนาแน่นของความน่าเป็นสองฟังก์ชัน ออกแบบจากรุ่นอื่น ๆ ที่มีอยู่ในที่มีรับพารามิเตอร์ของแบบจำลองตาม 011 น้อยข้อมูลกระชับ รุ่น ดังนั้น มีแข็งแกร่งมากในแง่ของเทียบของพารามิเตอร์

ผลลัพธ์ (ไทย) 2:

กระดาษนี้นำเสนอรูปแบบใหม่ที่ชัดเจนทำให้ USI:
ทั้งแหล่งที่มาของข้อมูลในลักษณะบูรณาการ รูปแบบเป็น
สูตรขึ้นอยู่กับความน่าจะเป็นสูงสุด Gaussian วิธี.
สองตัวแปรสุ่มที่สำคัญการพิจารณาในรูปแบบที่มี
กระแสและเพิ่มทีละไหล โดยสมมติว่าทั้งสองแบบสุ่ม
ตัวแปรมีการกระจายตามปกติเราสร้างประมาณการโดย
การเพิ่มโอกาสของระดับการไหลในเวลาต่อไป
ช่วงเวลาที่แสดงเป็นผลิตภัณฑ์ของทั้งสองความหนาแน่นของความน่าจะเป็น
ฟังก์ชั่น รูปแบบการออกจากรูปแบบที่มีอยู่ใน
ที่พารามิเตอร์ของแบบจำลองจะได้รับขึ้นอยู่เล็ก ๆ น้อย ๆ 011
ข้อมูลที่เหมาะสม รูปแบบจึงเป็นที่แข็งแกร่งมากในแง่ของ
การสอบเทียบของพารามิเตอร์

ผลลัพธ์ (ไทย) 3:

บทความนี้เสนอรูปแบบใหม่ที่ชัดเจนทำให้ USI :
ของทั้งสองแหล่งข้อมูลในลักษณะที่เป็นบูรณาการ นางแบบ
สูตรตามเสียน Maximum Likelihood )
2 คีย์ตัวแปรสุ่มพิจารณาในแบบจำลอง
ไหลและเพิ่มการไหล โดยสมมติว่าทั้งสองตัวแปรสุ่ม
มีการแจกแจงปกติ เราสร้างประมาณการ B Y
เพิ่มโอกาสของการไหลระดับช่วงเวลา
ต่อไป แสดงเป็นผลิตภัณฑ์ของทั้งสองฟังก์ชันความหนาแน่นความน่าจะเป็น
. รูปแบบอื่น ๆที่มีอยู่ออกจากโมเดล
ว่าค่าพารามิเตอร์ของแบบจำลองได้ใช้น้อย 011
ข้อมูลที่เหมาะสม แบบจำลองที่แข็งแกร่งมากในแง่ของ
ค่าพารามิเตอร์