Showing 1 - 20 results of 324 for search '"нормальное распределение"', query time: 0.78s Refine Results
  1. 1
  2. 2
  3. 3
  4. 4
    Book

    Source: Current issues of pedagogy and psychology; 168-183 ; Современные образовательные технологии: психология и педагогика; 168-183

    File Description: text/html

    Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-907965-68-3; https://phsreda.com/e-articles/10750/Action10750-149841.pdf; ГОСТ Р ИСО 5479–2002. Статистические методы. Проверка отклонения распределения вероятностей от нормального распределения. – М.: Изд-во стандартов, 2002. – 30 с.; Елисеева И.И. Общая теория статистики: учебник / И.И. Елисеева, М.М. Юзбашев; под ред. И.И. Елисеевой. – 5-е изд., перераб. и доп. – М.: Финансы и статистика, 2004. – 656 с.; Емельянова Ю.П. Программирование в Scilab: учеб. пособие (лабораторный практикум) / Ю.П. Емельянова, П.В. Пакшин; Нижегород. гос. техн. ун-т им. Р.Е. Алексеева. – Н. Новгород, 2015. – 114 с.; Конопелько Л.А. Математическое моделирование в техносферной безопасности / Л.А. Конопелько, В.В. Растоскуев, М.А. Кустикова [и др.]. – СПб.: Университет ИТМО, 2018. – 65 с. – EDN BEFNUZ; Лемешко Б.Ю., Лемешко С.Б., Постовалов С.Н., Чимитова Е.В. Статистический анализ Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход: монография. – Новосибирск: НГТУ, 2011. – 888 с.; Петров Ю.В. Моделирование случайных величин: учеб. пособие / Ю.В. Петров, С.Н. Аникин, С.А. Юхно; Балт. гос. техн. ун-т. – СПб., 2020. – 90 с.; Семенова Т.И. Визуализация результатов вычислений в Scilab / Т.И. Семенова, А.В. Загвоздкина, В.А. Загвоздкин // Информатика и кибернетика. – 2018. – №4 (14). – С. 2–10.; Титов А.Н. Методы приближения функций и их приложения: учебно-методическое пособие / А.Н. Титов, Е.Р. Бадертдинова, Р.Ф. Тазиева; Минобрнауки России, Казан. нац. исслед. технол. ун-т. – Казань: КНИТУ, 2021. – 92 с.; https://phsreda.com/article/149841/discussion_platform

  5. 5
  6. 6
  7. 7
    Academic Journal

    Source: Education, innovation, research as a resource for community development; 249-252 ; Образование, инновации, исследования как ресурс развития сообщества; 249-252

    File Description: text/html

    Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-907965-66-9; https://phsreda.com/e-articles/10748/Action10748-149815.pdf; Вентцель Е.С. Теория вероятностей и ее инженерные приложения: учеб. пособие для втузов / Е.С. Вентцель. – 2-е изд., стереотип. – М.: Высшая школа, 2000. – 479 с. – EDN YOQVHU; Гмурман В.Е. Теория вероятностей и математическая статистика: учеб. пособие для вузов / В.Е. Гмурман. – 9-е изд., стер. – М.: Высшая школа, 2003. – 479 с. – EDN QJLKXP; Масюк В.Г. Основы обороны государства и военной службы: учебник для студ. учреждений высш. проф. образования / В.Г. Масюк. – М.: Академия, 2013. – 288 с.; Письменный Д.Т. Конспект лекций по теории вероятностей, математической статистике и случайным процессам / Д.Т. Письменный. – 4-е изд., испр. – М.: Айрис-пресс, 2008. – 287 с. – EDN QJSYKH; Шайхеев В.В. Теория вероятностей в военном деле / В.В. Шайхеев // Современные исследования в сфере естественных, технических и физико-математических наук: сборник результатов научных исследований. – Киров, 2018. – С. 710–714. EDN XRMRVB; https://phsreda.com/files/Books/10748/6863982d64127.jpg?req=149815; https://phsreda.com/article/149815/discussion_platform

  8. 8
  9. 9
  10. 10
  11. 11
  12. 12
  13. 13
    Academic Journal

    Source: «System analysis and applied information science»; № 1 (2024); 4-11 ; Системный анализ и прикладная информатика; № 1 (2024); 4-11 ; 2414-0481 ; 2309-4923 ; 10.21122/2309-4923-2024-1

    File Description: application/pdf

    Relation: https://sapi.bntu.by/jour/article/view/653/488; Голуб, Ю.И., Старовойтов В.В. Оценка качества цифровых изображений. – Минск: ОИПИ НАН Беларуси, 2023. – 252 с.; Kocić, J. Image quality parameters: A short review and applicability analysis / J. Kocić, I. Popadić, B. Livada // Proceedings of the 7th Intern. Scientifi Conf. on Defensive Technologies, Belgrade. – Belgrade, 2016. – P. 391-397.; Xu, S. No-reference/blind image quality assessment: a survey / S. Xu, S. Jiang, W. Min // IETE Technical Review. – 2017. – Vol. 34. – № 3. – P. 223-245.; Dumic, E. IQM2 – New image quality measure based on steerable pyramid wavelet transform and structural similarity index / E. Dumic, S. Grgic, M. Grgic // Signal, Image and Video Processing. – 2014. – V. 8. – № 6. – P. 1159–1168.; Terminals and subjective and objective assessment methods. Mean opinion score interpretation and reporting: ITU-T Rec. P.800.2 Series P. – 2016. – 18 p.; Methodologies for the subjective assessment of the quality of television images: ITU-R Rec. BT.500-15. – 2023. – 112 p.; Pertuz, S. Analysis of focus measure operators for shape-from-focus / S. Pertuz, D. Puig, M.A. Garcia // Pattern Recognition. – 2013. – Vol. 46. – № 5. – P. 1415–1432.; https://sapi.bntu.by/jour/article/view/653

  14. 14
    Academic Journal

    Source: Electrical Engineering and Power Engineering; No. 4 (2021): Electrical Engineering and Power Engineering; 28-35
    Электротехника и электроэнергетика; № 4 (2021): Электротехника и электроэнергетика; 28-35
    Електротехніка та електроенергетика; № 4 (2021): Електротехніка та електроенергетика; 28-35
    Electrical Engineering and Power Engineering; No. 4 (2021): Electrical Engineering and Power Engineering; 28-34
    Электротехника и электроэнергетика; № 4 (2021): Электротехника и электроэнергетика; 28-34
    Електротехніка та електроенергетика; № 4 (2021): Електротехніка та електроенергетика; 28-34

    File Description: application/pdf

  15. 15
  16. 16
  17. 17
  18. 18
    Academic Journal

    Authors: O.S.Abdisamatov

  19. 19
  20. 20
    Academic Journal

    Source: Chebyshevskii Sbornik; Том 23, № 5 (2022); 227-240 ; Чебышевский сборник; Том 23, № 5 (2022); 227-240 ; 2226-8383 ; 10.22405/2226-8383-2022-23-5

    File Description: application/pdf

    Relation: https://www.chebsbornik.ru/jour/article/view/1420/1039; Falkoner K. Fractal geometry: mathematical foundations and applications // Chichester etc.; John Wiley & Sons 1990, ISBN 0-471-92287-0, xxii + 288.; Defard T., Setkov A., Loesch A., Audigier R. PaDiM: a Patch Distribution Modeling Framework; for Anomaly Detection and Localization // arXiv e-print: https://arxiv.org//pdf/; /2011.08785v1.pdf 2020.; Realization of PaDiM approach // https://github.com/xiahaifeng1995/PaDiM-Anomaly-; Detection-Localization-master.; Bergmann P., Batzner K., Fauser M., Sattlegger D., Steger C. The MVTec Anomaly Detection; Dataset: A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection //; International Journal of Computer Vision 2021, Vol. 129, P. 1038–1059.; Venturini G. M. Statistical Distances and Probability Metrics for Multivariate Data, Ensembles; and Probability Distributions // Ph.D. THESIS (advisor: Alberto Munoz Garcia), Dep. of; Statistics, Univ. Carlos III, Leganes, Madrid, Spain, June, 2015.; Grudic G. Z., Mulligan J. Outdoor Path Labeling Using Polynomial Mahalanobis Distance //; Robotics: Science and Systems II, August 16-19, 2006. University of Pennsylvania, Philadelphia; Pennsylvania, USA.; Shapiro S. S., Wilk M. B. An analysis of variance test for normality (complete samples) //; Biometrica 1965. Vol. 52, P. 591-611.; Ivanov A., Nosovskiy G., Chekunov A., Fedoseev D., Kibkalo V., Nikulin M., Popelenskiy F.; Komkov S., Mazurenko I., Petiushko A. Manifold Hypothesis in Data Analysis: Double; Geometrically-Probabilistic Approach to Manifold Dimension Estimation // arXiv e-print; arXiv:2107.03903 [cs.LG] 2021.; Stolz B., Tanner J., Harrington H., Nanda V. Geometric anomaly detection in data // Proceedings; of the National Academy of Sciences 2020, Vol. 117, P. 202001741, DOI:10.1073/; /pnas.2001741117.; Erba V., Gherardi M., Rotondo P. Intrinsic dimension estimation for locally undersampled data; // Sci. Rep. 2019, Vol. 9, doi:10.1038/s41598-019-53549-9.; Fefferman C., Mitter S., Narayanan H. Testing the manifold hypothesis // J. Amer. Math. Soc.; Vol. 29, doi:10.1090/jams/852.; Bernstein A., Burnaev E., Erofeev P. Manifold Reconstruction in Dimension Reduction Problem; // International conference “Intelligent Information Processing” IIP-9 2012.; Grassberger P., Procaccia I. Measuring the strangeness of strange attractors // Physica D; Nonlinear Phenomena 1983, Vol. 9, P. 189-208.; Eckmann J.-P., Ruelle D. Fundamental limitations for estimating dimensions and Lyapunov; exponents in dynamical systems // Physica D: Nonlinear Phenomena 1992, Vol. 56, P. 185-187.; Mordohai P., Medioni G. Dimensionality Estimation, Manifold Learning and Function Approximation; using Tensor Voting // Journal of Machine Learning Research 2010, Vol. 11, P.; 450.; He J., Jiang L., Ding L., Ii Z. Intrinsic Dimensionality Estimation based on Manifold; Assumption // Journal of Visual Communication and Image Representation 2014, Vol. 25; Issue 5, P. 740-747.; Granata D., Carnevale V. Accurate Estimation of the Intrinsic Dimension Using Graph; Distances: Unraveling the Geometric Complexity of Datasets // Sci. Rep. 2016, Vol. 6; Levina E., Bickel P. J. Maximum likelihood estimation of intrinsic dimension // Advances in; neural information processing systems 2005, P. 777-784.; https://www.chebsbornik.ru/jour/article/view/1420