Prognose Umsatz Nach Exponentiell Gewichtet Moving Averages

Vorhersage von Saisonzeiten und Trends durch exponentiell gewichtete gleitende Durchschnitte Charles C. Holt Graduate School of Business, Universität von Texas in Austin, Austin, TX, USA Verfügbar online 28. Januar 2004. Das Papier liefert eine systematische Entwicklung der Prognoseausdrücke für exponentiell gewichtete gleitende Durchschnitte . Methoden für Reihen mit keinem Trend oder additivem oder multiplikativem Trend werden untersucht. Ebenso decken die Methoden nicht saisonale und saisonale Serien mit additiven oder multiplikativen Fehlerstrukturen ab. Das Papier ist eine Nachdruckversion des Berichts von 1957 an das Amt für Seeforschung (ONR 52) und wird hier veröffentlicht, um eine bessere Zugänglichkeit zu bieten. Exponentielle Glättung Vorhersage Lokale Jahreszeiten Lokale Trends Biographie: Charles C. HOLT ist Professor für Management Emeritus an der Graduate School of Business, Universität von Texas in Austin. Seine aktuelle Forschung ist über quantitative Entscheidungsmethoden, Entscheidungsunterstützungssysteme und Finanzprognosen. Zuvor hat er Forschung und Lehre an M. I.T. Carnegie Mellon University, die London School of Economics, die Universität von Wisconsin und das Urban Institute. Er ist seit 1947 in Computeranwendungen tätig und hat Forschungsarbeiten zur automatischen Steuerung, zur Simulation von Wirtschaftssystemen, zur Produktionsplanung, zur Beschäftigung und zur Lagerhaltung sowie zur Inflation und Arbeitslosigkeit durchgeführt. Copyright 2004 Veröffentlicht von Elsevier B. V. Zitieren von Artikeln () von Pan Hui, Jon Crowcroft, Eiko Yoneki - in Proc. ACM MobiHoc. 2008. In diesem Beitrag wollen wir unser Verständnis der menschlichen Mobilität im Hinblick auf soziale Strukturen verbessern und diese Strukturen bei der Konzeption von Weiterleitungsalgorithmen für Pocket Switched Networks (PSNs) nutzen. Unter Berücksichtigung menschlicher Mobilität Spuren aus der realen Welt, entdecken wir, dass die menschliche Interaktion ist heteroge. In diesem Beitrag wollen wir unser Verständnis der menschlichen Mobilität im Hinblick auf soziale Strukturen verbessern und diese Strukturen bei der Konzeption von Weiterleitungsalgorithmen für Pocket Switched Networks (PSNs) nutzen. Unter Berücksichtigung menschlicher Beweglichkeit Spuren aus der realen Welt, entdecken wir, dass die menschliche Interaktion heterogen ist sowohl in Bezug auf Hubs (beliebte Personen) und Gruppen oder Gemeinden. Wir schlagen einen sozialbasierten Weiterleitungsalgorithmus, BUBBLE vor, der empirisch gezeigt wird, um die Weiterleitungseffizienz deutlich zu verbessern, verglichen mit unvermeidlichen Weiterleitungssystemen und dem PROPHET-Algorithmus. Wir zeigen auch, wie dieser Algorithmus verteilt implementiert werden kann, was zeigt, dass er in der dezentralen Umgebung von PSNs anwendbar ist. Fenster, wie von gestern bis jetzt, dann berechnen den durchschnittlichen Grad für alle 6 Stunden. Wir nennen diesen Ansatz das kumulative Fenster (C-Window). Diese Technik ähnelt der exponentiellen Glättung -31-, die wir in der weiteren Arbeit untersuchen werden. Wir werden weiter in Abschnitt 6 zeigen, dass DEGREE, S-Window und C-Window die vorher berechnete Zentralität annähern und die Zentralität gemessen haben. Von Pan Hui, Jon Crowcroft, Eiko Yoneki - IEEE-Transaktionen über Mobile Computing. AbstractDie zunehmende Penetration von intelligenten Geräten mit Netzwerkfähigkeit bildet neue Netzwerke. Solche Netzwerke, auch als pocket switched networks (PSNs) bezeichnet, sind intermittierend verbunden und stellen eine paradigmatische Verschiebung von Weiterleitungsdaten ad hoc dar. Die soziale Struktur und interacti. AbstractDie zunehmende Penetration von intelligenten Geräten mit Netzwerkfähigkeit bildet neue Netzwerke. Solche Netzwerke, auch als pocket switched networks (PSNs) bezeichnet, sind intermittierend verbunden und stellen eine paradigmatische Verschiebung von Weiterleitungsdaten ad hoc dar. Die soziale Struktur und Interaktion der Benutzer solcher Geräte diktieren die Leistung von Routing-Protokollen in PSNs. Zu diesem Zweck ist die soziale Information eine wesentliche Metrik für die Entwicklung von Weiterleitungsalgorithmen für solche Netzwerke. Frühere Methoden beruhten auf dem Erstellen und Aktualisieren von Routingtabellen, um mit dynamischen Netzwerkbedingungen umzugehen. Auf der Unterseite hat es sich gezeigt, dass solche Ansätze aufgrund der partiellen Erfassung des transienten Netzwerkverhaltens kostenintensiv sind. Ein vielversprechenderer Ansatz wäre es, die intrinsischen Eigenschaften solcher Netzwerke zu erfassen und sie bei der Gestaltung von Routing-Algorithmen zu nutzen. In dieser Arbeit nutzen wir zwei soziale und strukturelle Metriken, nämlich Zentralität und Gemeinschaft, mit realen menschlichen Mobilitätsspuren. Die Beiträge dieser Arbeit sind zweifach. Zuerst entwerfen und bewerten wir BUBBLE, einen neuartigen, sozial-basierten Weiterleitungsalgorithmus, der die oben erwähnten Metriken zur Verbesserung der Lieferungsleistung nutzt. Zweitens zeigen wir empirisch, dass BUBBLE die Weiterleitungsleistung im Vergleich zu einer Anzahl von zuvor vorgeschlagenen Algorithmen, einschließlich des prozessualen Benchmarking-basierten PROPHET-Algorithmus, und des sozialbasierten Weiterleitungs-SimBet-Algorithmus wesentlich verbessern kann. Index BegriffeSoziale Netzwerke, Weiterleitungsalgorithmen, verzögerungstolerante Netzwerke, pocket-switched Netzwerke, Zentralität, Community-Erkennung. 1 erday bis jetzt, dann berechnen den durchschnittlichen Grad für alle 6 Stunden. Wir nennen diesen Ansatz kumulative Fenster (C-Fenster). Diese Technik ähnelt einer Statistik-Technik namens exponentielle Glättung -24- und wir möchten weitere theoretische Untersuchungen durchführen. Wir können aus Abb. Dass der S-Window-Ansatz den jüngeren Kontext widerspiegelt und eine maximal 4-prozentige Verbesserung der Lieferung erzielt. Von Jan G De Gooijer, Rob J Hyndman - Internationale Zeitschrift für Vorhersage. Zusammenfassung: Wir untersuchen die letzten 25 Jahre der Forschung in Zeitreihen-Prognose. In dieser Silberjubiläumsausgabe heben wir natürlich die Ergebnisse hervor, die in Zeitschriften veröffentlicht wurden, die vom Internationalen Institut für Forecasters (Journal of Forecasting 19821985 International Journal of Forecasting 19852005) verwaltet werden. Zusammenfassung: Wir untersuchen die letzten 25 Jahre der Forschung in Zeitreihen-Prognose. In dieser Silberjubiläumsausgabe heben wir natürlich die Ergebnisse hervor, die in Zeitschriften veröffentlicht wurden, die vom Internationalen Institut für Forecasters (Journal of Forecasting 19821985 International Journal of Forecasting 19852005) verwaltet werden. Während dieser Zeit umfasste über ein Drittel aller in diesen Zeitschriften veröffentlichten Zeitschriften Zeitreihenvorhersagen. Wir berichten auch über einflussreiche Arbeiten über Zeitreihenprognosen, die in diesem Zeitraum an anderer Stelle veröffentlicht wurden. In vielen Bereichen sind enorme Fortschritte zu verzeichnen, aber es gibt viele Themen, die einer weiteren Entwicklung bedürfen. Wir schließen mit Kommentaren von Yuhong Yang - Ökonometrische Theorie. 2004. Wir studieren einige Methoden der Kombination von Prozeduren für die Prognose einer kontinuierlichen Zufallsvariable. Statistische Risikobeschränkungen unter dem quadratischen Fehlerverlust werden unter milden Verteilungsannahmen auf die Zukunft angesichts der gegenwärtigen Außeninformationen und der vergangenen Beobachtungen erhalten. Die Risikobeschränkungen zeigen, dass. Wir studieren einige Methoden der Kombination von Prozeduren für die Prognose einer kontinuierlichen Zufallsvariable. Statistische Risikobeschränkungen unter dem quadratischen Fehlerverlust werden unter milden Verteilungsannahmen auf die Zukunft angesichts der gegenwärtigen Außeninformationen und der vergangenen Beobachtungen erhalten. Die Risikobeschränkungen zeigen, dass die kombinierte Prognose automatisch die beste Performance zwischen den Kandidatenprozessen bis zu einem konstanten Faktor und einem additiven Straftermin erreicht. Unter Berücksichtigung der Konvergenzrate führt die kombinierte Prognose sowie, wenn man wüsste, welches Kandidatenprognoseverfahren das beste im Voraus ist. Empirische Studien schlagen vor, dass Kombinationsprozesse manchmal die Prognosegenauigkeit im Vergleich zu den ursprünglichen Prozeduren verbessern können. Risikobegrenzungen werden abgeleitet, um theoretisch die potenziellen Gewinne und den Preis für die lineare Kombination von Verbesserungsvorhersagen zu quantifizieren. Das Ergebnis unterstützt die empirische Feststellung, dass es nicht automatisch eine gute Idee ist, Prognosen zu kombinieren. Eine blinde Kombination kann die Leistungsfähigkeit dramatisch verschlechtern, und zwar aufgrund der unerwünschten großen Variabilität bei der Schätzung der besten Kombinationsgewichte. Ein automatisiertes Kombinationsverfahren wird in der Theorie gezeigt, um ein Gleichgewicht zwischen dem Potentialgewinn und der Komplexitätsstrafe (dem Kombinationspreis) zu erzielen, um (wenn überhaupt) eine spärliche Kombination zu nutzen und die beste Leistung (in der Rate) unter den Kandidatenvorhersagen aufrechtzuerhalten Wenn lineare oder spärliche Kombinationen nicht helfen. Von George Athanasopoulos, Rob J. Hyndman. In diesem Papier, wir modellieren und prognostizieren australischen Binnenverkehr Nachfrage. Wir verwenden ein Regressions-Framework, um wichtige wirtschaftliche Zusammenhänge für die Nachfrage im Inlandsmarkt abzuschätzen. Wir identifizieren auch die Auswirkungen von Welt-Veranstaltungen wie die 2000 Sydney Olympics und die 2002 Bali-Bombenanschläge auf australischen Kuppeln. In diesem Papier, wir modellieren und prognostizieren australischen Binnenverkehr Nachfrage. Wir verwenden ein Regressions-Framework, um wichtige wirtschaftliche Zusammenhänge für die Nachfrage im Inlandsmarkt abzuschätzen. Wir identifizieren auch die Auswirkungen von Welt-Veranstaltungen wie die 2000 Sydney Olympics und die 2002 Bali Bombenanschläge auf australischen Inlandstourismus. Um die Zeitreihe der Daten zu erforschen, verwenden wir Innovationen Zustandsraummodelle, um die Nachfrage im Inland zu prognostizieren. Kombinieren diese beiden Frameworks, bauen wir Innovationen State-Space-Modelle mit exogenen Variablen. Diese Modelle sind in der Lage, die Zeitreihen-Dynamik in den Daten, sowie wirtschaftliche und andere Beziehungen zu erfassen. Wir zeigen, dass diese Modelle alternative Ansätze für kurzfristige Prognosen übertreffen und auch vernünftige langfristige Prognosen erzeugen. Die Prognosen werden mit den offiziellen australischen Staatsvorhersagen verglichen, die sich als optimistischer erweisen als unsere Prognosen. Alle Schulstufen. 3.2. Exponentielle Glättung durch Innovationen Zustandsraummodelle In den späten fünfziger Jahren wurde eine exponentielle Glättung vorgeschlagen (siehe die Pionierarbeiten von Brown, 1959, Holt, 1957 - Winters, 1960) und hat einige der erfolgreichsten Prognosemethoden motiviert. Prognosen, die unter Verwendung exponentieller Glättungsmethoden erzeugt werden, sind gewichtete Mittelwerte von vergangenen Beobachtungen, wobei die Gewichte sich verjüngen. Von Ilan Alon, Min Qi, Robert J. Sadowski - Zeitschrift für Handel und Verbraucherschutz. 2001. Wie viele andere wirtschaftliche Zeitreihen haben US-Aggregate-Einzelhandelsumsätze starke Trend - und saisonale Muster. Wie man diese Muster am besten modelliert und prognostiziert, ist in der Zeitreihenanalyse ein langjähriges Problem. Dieser Artikel vergleicht artiquotische neuronale Netze und traditionelle Methoden einschließlich Winter. Wie viele andere wirtschaftliche Zeitreihen haben US-Aggregate-Einzelhandelsumsätze starke Trend - und saisonale Muster. Wie man diese Muster am besten modelliert und prognostiziert, ist in der Zeitreihenanalyse ein langjähriges Problem. Dieser Artikel vergleicht artiampquotcial neuronale Netze und traditionelle Methoden einschließlich Winters exponentielle Glättung, BoxJenkins ARIMA Modell und multivariate Regression. Die Ergebnisse zeigen, dass im Durchschnitt ANNs günstiger in Bezug auf die eher traditionellen statistischen Methoden, gefolgt von der BoxJenkins-Modell. Trotz seiner Einfachheit erwies sich das Winters-Modell als eine tragfähige Methode zur mehrstufigen Prognose unter relativ stabilen wirtschaftlichen Bedingungen. Die Derivatanalyse zeigt, dass das neuronale Netzwerkmodell in der Lage ist, den dynamischen nichtlinearen Trend zu erfassen und durch Shawndra Hill, Deepak K. Agarwal, Robert Bell, Chris Volinsky - Journal of Computational and Graphical Statistics. 2006. Ein dynamisches Netzwerk ist eine spezielle Art von Netzwerk, das aus miteinander verbundenen Transaktern besteht, die sich wiederholt entwickelnde Interaktion haben. Daten über große dynamische Netzwerke wie Telekommunikationsnetze und das Internet sind durchgreifend. Jedoch repräsentieren dynamische Netzwerke in einer Weise, die förderlich für effic ist. Ein dynamisches Netzwerk ist eine spezielle Art von Netzwerk, das aus miteinander verbundenen Transaktern besteht, die sich wiederholt entwickelnde Interaktion haben. Daten über große dynamische Netzwerke wie Telekommunikationsnetze und das Internet sind durchgreifend. Dynamische Netzwerke zu repräsentieren, die eine effiziente Großanalyse begünstigen, ist eine Herausforderung. In diesem Artikel vertreten wir dynamische Graphen mit einer Datenstruktur in einem früheren Artikel eingeführt. Wir befürworten ihre Repräsentation, weil sie für die Evolution der Beziehungen zwischen den Transaktoren durch die Zeit verantwortlich ist, das Rauschen auf der lokalen Transaktorebene verringert und die Entfernung von abgestandenen Beziehungen ermöglicht. Unsere Arbeit verbessert ihre heuristischen Argumente, indem sie die Darstellung mit drei abstimmbaren Parametern formalisiert. Dabei entwickeln wir ein generisches Framework zur Auswertung und Optimierung eines dynamischen Graphen. Wir zeigen, dass die an der Repräsentation beteiligten Speicherungsnäherungen die prädiktive Leistung nicht beeinflussen und sie in der Regel verbessern. Wir motivieren unseren Ansatz mit einem Betrugserfassungsbeispiel aus der Telekommunikationsbranche und zeigen, dass wir die veröffentlichten Ergebnisse der Betrugserkennungsaufgabe übertreffen können. Darüber hinaus stellen wir eine vorläufige Analyse zu Weblogs und E-Mail-Netzwerken vor. Die den aktuellen Graphen beeinflussen. Diese Form der Gewichtsfunktion ist praktisch in dem Sinne, daß die Gleichung (1) in der Wiederholungsform ausgedrückt werden kann: Diese Form ist in der Statistik als exponentielle Glättung -30 bekannt. Es bietet eine glatte dynamische Entwicklung von Gt. Die iterative Natur der Aktualisierung ermöglicht es uns, die Informationen aus allen früheren Zeiträumen ohne Einbeziehung der Verwaltung und speichern. Von Steffen Unkel, C. Paddy Farrington, Paul H. Garthwaite, Chris Robertson, Nick Andrews. Ungewöhnliche Cluster von Krankheiten müssen schnell erkannt werden, damit wirksame Interventionen der öffentlichen Gesundheit eingeführt werden können. In den vergangenen zehn Jahren gab es einen Anstieg des Interesses an statistischen Methoden für die Früherkennung von Infektionskrankheiten Ausbrüchen. Dieses Wachstum des Interesses hat viel Neues hervorgerufen. Ungewöhnliche Cluster von Krankheiten müssen schnell erkannt werden, damit wirksame Interventionen der öffentlichen Gesundheit eingeführt werden können. In den vergangenen zehn Jahren gab es einen Anstieg des Interesses an statistischen Methoden für die Früherkennung von Infektionskrankheiten Ausbrüchen. Diese Zunahme des Interesses hat zu einer viel neuen methodischen Arbeit geführt, die sich über das gesamte Spektrum der statistischen Methoden erstreckt. Dieses Papier enthält eine umfassende Übersicht der vorgeschlagenen statistischen Ansätze. Sowohl Labor - als auch Syndromüberwachungsdaten werden zur Verfügung gestellt, um die verschiedenen Verfahren zu veranschaulichen. E der Trend und saisonale Komponente. Zwei gemeinsame Zeitreihenverfahren, die bei der Überwachung verwendet werden, sind einfache exponentielle Glättung (z. B. Healy 1983 Ngo et al., 1996) und das Holt-Winters-Verfahren (Holt 1957 - Winters 1960-). Einfache exponentielle Glättung stellt sicher, dass die Daten keine Trend - oder Saisonalität aufweisen. Er bildet Vorhersagen, indem er einen gewichteten Durchschnitt der vergangenen Beobachtungen nimmt, in denen die Gewichte exponential die Furt verringern. Von Sarah Gelper, Christophe Croux, Sarah Gelper, Roland Fried, Christophe Croux. 2007. Robuste Versionen der Exponential - und Holt-Winters-Glättungsmethode für die Prognose werden vorgestellt. Sie eignen sich zur Prognose von univariaten Zeitreihen in Gegenwart von Ausreißern. Die robusten Exponential - und Holt-Winters-Glättungsmethoden werden als rekursives Aktualisierungsschema dargestellt. Sowohl die Aktualisierung. Robuste Versionen der Exponential - und Holt-Winters-Glättungsmethode für die Prognose werden vorgestellt. Sie eignen sich zur Prognose von univariaten Zeitreihen in Gegenwart von Ausreißern. Die robusten Exponential - und Holt-Winters-Glättungsmethoden werden als rekursives Aktualisierungsschema dargestellt. Sowohl die Aktualisierungsgleichung als auch die Auswahl der Glättungsparameter sind robust. Diese robuste Methode entspricht einer bestimmten Form des robusten Kalman-lters in einem lokalen linearen Trendmodell. Eine Simulationsstudie vergleicht die robusten und klassischen Prognosen. Die dargestellte Methode hat gute Prognoseperformance für Zeitreihen mit und ohne Ausreißer, sowie für fat tailed Zeitreihen. Die Methode wird anhand von realen Daten dargestellt, die Trends und saisonale Effekte beinhalten. . In diesem Beitrag wollen wir das Verständnis der Struktur der menschlichen Mobilität verbessern, um dies für die Entwicklung von Algorithmen für die Verbreitung von Daten unter mobilen Benutzern zu nutzen. Die Kooperation verbindet aber auch die menschliche Gesellschaft in Gemeinschaften. Mitglieder der gleichen Gemeinschaft interagieren mit eac. In diesem Beitrag wollen wir das Verständnis der Struktur der menschlichen Mobilität verbessern, um dies für die Entwicklung von Algorithmen für die Verbreitung von Daten unter mobilen Benutzern zu nutzen. Die Kooperation verbindet aber auch die menschliche Gesellschaft in Gemeinschaften. Mitglieder der gleichen Gemeinschaft interagieren miteinander bevorzugt. Es gibt Struktur in der menschlichen Gesellschaft. Innerhalb der Gesellschaft und ihrer Gemeinschaften haben Einzelpersonen unterschiedliche Popularität. Einige Leute sind populärer und interagieren mit mehr Menschen als andere, die wir sie Hubs nennen können. Beliebtheit ist eine Facette der Bevölkerung. In vielen physikalischen Netzwerken sind einige Knoten stärker miteinander verbunden als mit dem Rest des Netzwerks. Der Satz solcher Knoten wird gewöhnlich Cluster, Gemeinschaften, zusammenhängende Gruppen oder Module genannt. Es gibt auch Struktur für soziale Netzwerke. Verschiedene Metriken können verwendet werden, wie Informationsfluss, Freemanbetweenness, Nähe und Schlußfolgerungsleistung, aber für alle von ihnen kann jedem Knoten im Netzwerk ein globaler Zentralitätswert zugewiesen werden. 1. bis jetzt, dann den durchschnittlichen Grad für alle 6 Stunden berechnen. Wir nennen diesen Ansatz das akkumulative Fenster (AWindow). Diese Technik ähnelt einer Statistik-Technik namens exponentielle Glättung -28- und wir möchten weitere theoretische Untersuchungen durchführen. Der S-Window-Ansatz spiegelt den jüngeren Kontext wider und erreicht ein Maximum von 4 Verbesserungen im Lieferungsverhältnis als DEGREE, aber bei doppelt so vielen von Pan Hui, Jon Crowcroft, Eiko Yoneki - in Proc. ACM MobiHoc. 2008. In diesem Beitrag wollen wir unser Verständnis der menschlichen Mobilität im Hinblick auf soziale Strukturen verbessern und diese Strukturen bei der Konzeption von Weiterleitungsalgorithmen für Pocket Switched Networks (PSNs) nutzen. Unter Berücksichtigung menschlicher Mobilität Spuren aus der realen Welt, entdecken wir, dass die menschliche Interaktion ist heteroge. In diesem Beitrag wollen wir unser Verständnis der menschlichen Mobilität im Hinblick auf soziale Strukturen verbessern und diese Strukturen bei der Konzeption von Weiterleitungsalgorithmen für Pocket Switched Networks (PSNs) nutzen. Unter Berücksichtigung menschlicher Beweglichkeit Spuren aus der realen Welt, entdecken wir, dass die menschliche Interaktion heterogen ist sowohl in Bezug auf Hubs (beliebte Personen) und Gruppen oder Gemeinden. Wir schlagen einen sozialbasierten Weiterleitungsalgorithmus, BUBBLE vor, der empirisch gezeigt wird, um die Weiterleitungseffizienz deutlich zu verbessern, verglichen mit unvermeidlichen Weiterleitungssystemen und dem PROPHET-Algorithmus. Wir zeigen auch, wie dieser Algorithmus verteilt implementiert werden kann, was zeigt, dass er in der dezentralen Umgebung von PSNs anwendbar ist. Fenster, wie von gestern bis jetzt, dann berechnen den durchschnittlichen Grad für alle 6 Stunden. Wir nennen diesen Ansatz das kumulative Fenster (C-Window). Diese Technik ähnelt der exponentiellen Glättung -31-, die wir in der weiteren Arbeit untersuchen werden. Wir werden weiter in Abschnitt 6 zeigen, dass DEGREE, S-Window und C-Window die vorher berechnete Zentralität annähern und die Zentralität gemessen haben. Von Pan Hui, Jon Crowcroft, Eiko Yoneki - IEEE-Transaktionen über Mobile Computing. AbstractDie zunehmende Penetration von intelligenten Geräten mit Netzwerkfähigkeit bildet neue Netzwerke. Solche Netzwerke, auch als pocket switched networks (PSNs) bezeichnet, sind intermittierend verbunden und stellen eine paradigmatische Verschiebung von Weiterleitungsdaten ad hoc dar. Die soziale Struktur und interacti. AbstractDie zunehmende Penetration von intelligenten Geräten mit Netzwerkfähigkeit bildet neue Netzwerke. Solche Netzwerke, auch als pocket switched networks (PSNs) bezeichnet, sind intermittierend verbunden und stellen eine paradigmatische Verschiebung von Weiterleitungsdaten ad hoc dar. Die soziale Struktur und Interaktion der Benutzer solcher Geräte diktieren die Leistung von Routing-Protokollen in PSNs. Zu diesem Zweck ist die soziale Information eine wesentliche Metrik für die Entwicklung von Weiterleitungsalgorithmen für solche Netzwerke. Frühere Methoden beruhten auf dem Erstellen und Aktualisieren von Routingtabellen, um mit dynamischen Netzwerkbedingungen umzugehen. Auf der Unterseite hat es sich gezeigt, dass solche Ansätze aufgrund der partiellen Erfassung des transienten Netzwerkverhaltens kostenintensiv sind. Ein vielversprechenderer Ansatz wäre es, die intrinsischen Eigenschaften solcher Netzwerke zu erfassen und sie bei der Gestaltung von Routing-Algorithmen zu nutzen. In dieser Arbeit nutzen wir zwei soziale und strukturelle Metriken, nämlich Zentralität und Gemeinschaft, mit realen menschlichen Mobilitätsspuren. Die Beiträge dieser Arbeit sind zweifach. Zuerst entwerfen und bewerten wir BUBBLE, einen neuartigen, sozial-basierten Weiterleitungsalgorithmus, der die oben erwähnten Metriken zur Verbesserung der Lieferungsleistung nutzt. Zweitens zeigen wir empirisch, dass BUBBLE die Weiterleitungsleistung im Vergleich zu einer Anzahl von zuvor vorgeschlagenen Algorithmen, einschließlich des prozessualen Benchmarking-basierten PROPHET-Algorithmus, und des sozialbasierten Weiterleitungs-SimBet-Algorithmus wesentlich verbessern kann. Index BegriffeSoziale Netzwerke, Weiterleitungsalgorithmen, verzögerungstolerante Netzwerke, pocket-switched Netzwerke, Zentralität, Community-Erkennung. 1 erday bis jetzt, dann berechnen den durchschnittlichen Grad für alle 6 Stunden. Wir nennen diesen Ansatz kumulative Fenster (C-Fenster). Diese Technik ähnelt einer Statistik-Technik namens exponentielle Glättung -24- und wir möchten weitere theoretische Untersuchungen durchführen. Wir können aus Abb. Dass der S-Window-Ansatz den jüngeren Kontext widerspiegelt und eine maximal 4-prozentige Verbesserung der Lieferung erzielt. Von Jan G De Gooijer, Rob J Hyndman - Internationale Zeitschrift für Vorhersage. Zusammenfassung: Wir untersuchen die letzten 25 Jahre der Forschung in Zeitreihen-Prognose. In dieser Silberjubiläumsausgabe heben wir natürlich die Ergebnisse hervor, die in Zeitschriften veröffentlicht wurden, die vom Internationalen Institut für Forecasters (Journal of Forecasting 19821985 International Journal of Forecasting 19852005) verwaltet werden. Zusammenfassung: Wir untersuchen die letzten 25 Jahre der Forschung in Zeitreihen-Prognose. In dieser Silberjubiläumsausgabe heben wir natürlich die Ergebnisse hervor, die in Zeitschriften veröffentlicht wurden, die vom Internationalen Institut für Forecasters (Journal of Forecasting 19821985 International Journal of Forecasting 19852005) verwaltet werden. Während dieser Zeit umfasste über ein Drittel aller in diesen Zeitschriften veröffentlichten Zeitschriften Zeitreihenvorhersagen. Wir berichten auch über einflussreiche Arbeiten über Zeitreihenprognosen, die in diesem Zeitraum an anderer Stelle veröffentlicht wurden. In vielen Bereichen sind enorme Fortschritte zu verzeichnen, aber es gibt viele Themen, die einer weiteren Entwicklung bedürfen. Wir schließen mit Kommentaren von Yuhong Yang - Ökonometrische Theorie. 2004. Wir studieren einige Methoden der Kombination von Prozeduren für die Prognose einer kontinuierlichen Zufallsvariable. Statistische Risikobeschränkungen unter dem quadratischen Fehlerverlust werden unter milden Verteilungsannahmen auf die Zukunft angesichts der gegenwärtigen Außeninformationen und der vergangenen Beobachtungen erhalten. Die Risikobeschränkungen zeigen, dass. Wir studieren einige Methoden der Kombination von Prozeduren für die Prognose einer kontinuierlichen Zufallsvariable. Statistische Risikobeschränkungen unter dem quadratischen Fehlerverlust werden unter milden Verteilungsannahmen auf die Zukunft angesichts der gegenwärtigen Außeninformationen und der vergangenen Beobachtungen erhalten. Die Risikobeschränkungen zeigen, dass die kombinierte Prognose automatisch die beste Performance zwischen den Kandidatenprozessen bis zu einem konstanten Faktor und einem additiven Straftermin erreicht. Unter Berücksichtigung der Konvergenzrate führt die kombinierte Prognose sowie, wenn man wüsste, welches Kandidatenprognoseverfahren das beste im Voraus ist. Empirische Studien schlagen vor, dass Kombinationsprozesse manchmal die Prognosegenauigkeit im Vergleich zu den ursprünglichen Prozeduren verbessern können. Risikobeschränkungen werden abgeleitet, um theoretisch die potenziellen Gewinne und den Preis für die lineare Kombination von Verbesserungsvorhersagen zu quantifizieren. Das Ergebnis unterstützt die empirische Feststellung, dass es nicht automatisch eine gute Idee ist, Prognosen zu kombinieren. Eine blinde Kombination kann die Leistungsfähigkeit dramatisch verschlechtern, und zwar aufgrund der unerwünschten großen Variabilität bei der Schätzung der besten Kombinationsgewichte. Ein automatisiertes Kombinationsverfahren wird in der Theorie gezeigt, um ein Gleichgewicht zwischen dem Potentialgewinn und der Komplexitätsstrafe (dem Kombinationspreis) zu erzielen, um (wenn überhaupt) eine spärliche Kombination zu nutzen und die beste Leistung (in der Rate) unter den Kandidatenvorhersagen aufrechtzuerhalten Wenn lineare oder spärliche Kombinationen nicht helfen. Von George Athanasopoulos, Rob J. Hyndman. In diesem Papier, wir modellieren und prognostizieren australischen Binnenverkehr Nachfrage. Wir verwenden ein Regressions-Framework, um wichtige wirtschaftliche Zusammenhänge für die Nachfrage im Inlandsmarkt abzuschätzen. Wir identifizieren auch die Auswirkungen von Welt-Veranstaltungen wie die 2000 Sydney Olympics und die 2002 Bali-Bombenanschläge auf australischen Kuppeln. In diesem Papier, wir modellieren und prognostizieren australischen Binnenverkehr Nachfrage. Wir verwenden ein Regressions-Framework, um wichtige wirtschaftliche Zusammenhänge für die Nachfrage im Inlandsmarkt abzuschätzen. Wir identifizieren auch die Auswirkungen von Welt-Veranstaltungen wie die 2000 Sydney Olympics und die 2002 Bali Bombenanschläge auf australischen Inlandstourismus. Um die Zeitreihe der Daten zu erforschen, verwenden wir Innovationen Zustandsraummodelle, um die Nachfrage im Inland zu prognostizieren. Kombinieren diese beiden Frameworks, bauen wir Innovationen State-Space-Modelle mit exogenen Variablen. Diese Modelle sind in der Lage, die Zeitreihen-Dynamik in den Daten, sowie wirtschaftliche und andere Beziehungen zu erfassen. Wir zeigen, dass diese Modelle alternative Ansätze für kurzfristige Prognosen übertreffen und auch vernünftige langfristige Prognosen erzeugen. Die Prognosen werden mit den offiziellen australischen Staatsvorhersagen verglichen, die sich als optimistischer erweisen als unsere Prognosen. Alle Schulstufen. 3.2. Exponentielle Glättung durch Innovationen Zustandsraummodelle In den späten fünfziger Jahren wurde eine exponentielle Glättung vorgeschlagen (siehe die Pionierarbeiten von Brown, 1959, Holt, 1957 - Winters, 1960) und hat einige der erfolgreichsten Prognosemethoden motiviert. Prognosen, die unter Verwendung exponentieller Glättungsmethoden erzeugt werden, sind gewichtete Mittelwerte von vergangenen Beobachtungen, wobei die Gewichte sich verjüngen. Von Ilan Alon, Min Qi, Robert J. Sadowski - Zeitschrift für Handel und Verbraucherschutz. 2001. Wie viele andere wirtschaftliche Zeitreihen haben US-Aggregate-Einzelhandelsumsätze starke Trend - und saisonale Muster. Wie man diese Muster am besten modelliert und prognostiziert, ist in der Zeitreihenanalyse ein langjähriges Problem. Dieser Artikel vergleicht artiquotische neuronale Netze und traditionelle Methoden einschließlich Winter. Wie viele andere wirtschaftliche Zeitreihen haben US-Aggregate-Einzelhandelsumsätze starke Trend - und saisonale Muster. Wie man diese Muster am besten modelliert und prognostiziert, ist in der Zeitreihenanalyse ein langjähriges Problem. Dieser Artikel vergleicht artiampquotcial neuronale Netze und traditionelle Methoden einschließlich Winters exponentielle Glättung, BoxJenkins ARIMA Modell und multivariate Regression. Die Ergebnisse zeigen, dass im Durchschnitt ANNs günstiger in Bezug auf die traditionelleren statistischen Methoden, gefolgt von der BoxJenkins-Modell. Trotz seiner Einfachheit erwies sich das Winters-Modell als eine tragfähige Methode zur mehrstufigen Prognose unter relativ stabilen wirtschaftlichen Bedingungen. Die Derivatanalyse zeigt, dass das neuronale Netzwerkmodell in der Lage ist, den dynamischen nichtlinearen Trend zu erfassen und durch Shawndra Hill, Deepak K. Agarwal, Robert Bell, Chris Volinsky - Journal of Computational and Graphical Statistics. 2006. Ein dynamisches Netzwerk ist eine spezielle Art von Netzwerk, das aus miteinander verbundenen Transaktern besteht, die sich wiederholt entwickelnde Interaktion haben. Daten über große dynamische Netzwerke wie Telekommunikationsnetze und das Internet sind durchgreifend. Jedoch repräsentieren dynamische Netzwerke in einer Weise, die förderlich für effic ist. Ein dynamisches Netzwerk ist eine spezielle Art von Netzwerk, das aus miteinander verbundenen Transaktern besteht, die sich wiederholt entwickelnde Interaktion haben. Daten über große dynamische Netzwerke wie Telekommunikationsnetze und das Internet sind durchgreifend. Dynamische Netzwerke zu repräsentieren, die eine effiziente Großanalyse begünstigen, ist eine Herausforderung. In diesem Artikel vertreten wir dynamische Graphen mit einer Datenstruktur in einem früheren Artikel eingeführt. Wir befürworten ihre Repräsentation, weil sie für die Evolution der Beziehungen zwischen den Transaktoren durch die Zeit verantwortlich ist, das Rauschen auf der lokalen Transaktorebene verringert und die Entfernung von abgestandenen Beziehungen ermöglicht. Unsere Arbeit verbessert ihre heuristischen Argumente, indem sie die Darstellung mit drei abstimmbaren Parametern formalisiert. Dabei entwickeln wir ein generisches Framework zur Auswertung und Optimierung eines dynamischen Graphen. Wir zeigen, dass die an der Repräsentation beteiligten Speicherungsnäherungen die prädiktive Leistung nicht beeinflussen und diese in der Regel verbessern. Wir motivieren unseren Ansatz mit einem Betrugserfassungsbeispiel aus der Telekommunikationsbranche und zeigen, dass wir die veröffentlichten Ergebnisse der Betrugserkennungsaufgabe übertreffen können. Darüber hinaus stellen wir eine vorläufige Analyse zu Weblogs und E-Mail-Netzwerken vor. Die den aktuellen Graphen beeinflussen. Diese Form der Gewichtsfunktion ist praktisch in dem Sinne, daß die Gleichung (1) in der Wiederholungsform ausgedrückt werden kann: Diese Form ist in der Statistik als exponentielle Glättung -30 bekannt. Es bietet eine glatte dynamische Entwicklung von Gt. Die iterative Natur der Aktualisierung ermöglicht es uns, die Informationen aus allen früheren Zeiträumen ohne Einbeziehung der Verwaltung und speichern. Von Steffen Unkel, C. Paddy Farrington, Paul H. Garthwaite, Chris Robertson, Nick Andrews. Ungewöhnliche Cluster von Krankheiten müssen schnell erkannt werden, damit wirksame Interventionen der öffentlichen Gesundheit eingeführt werden können. In den vergangenen zehn Jahren gab es einen Anstieg des Interesses an statistischen Methoden für die Früherkennung von Infektionskrankheiten Ausbrüchen. Dieses Wachstum des Interesses hat viel Neues hervorgerufen. Ungewöhnliche Cluster von Krankheiten müssen schnell erkannt werden, damit wirksame Interventionen der öffentlichen Gesundheit eingeführt werden können. In den vergangenen zehn Jahren gab es einen Anstieg des Interesses an statistischen Methoden für die Früherkennung von Infektionskrankheiten Ausbrüchen. Diese Zunahme des Interesses hat zu einer viel neuen methodischen Arbeit geführt, die sich über das gesamte Spektrum der statistischen Methoden erstreckt. Dieses Papier enthält eine umfassende Übersicht der vorgeschlagenen statistischen Ansätze. Sowohl Labor - als auch Syndromüberwachungsdaten werden zur Verfügung gestellt, um die verschiedenen Verfahren zu veranschaulichen. E der Trend und saisonale Komponente. Zwei allgemeine Zeitreihenverfahren, die bei der Überwachung verwendet werden, sind einfache exponentielle Glättung (z. B. Healy 1983 Ngo et al., 1996) und das Holt-Winters-Verfahren (Holt 1957 - Winters 1960-). Einfache exponentielle Glättung stellt sicher, dass die Daten keine Trend - oder Saisonalität aufweisen. Er bildet Vorhersagen, indem er einen gewichteten Durchschnitt der vergangenen Beobachtungen nimmt, wo die Gewichte exponentiell die Furt verringern. Von Sarah Gelper, Christophe Croux, Sarah Gelper, Roland Fried, Christophe Croux. 2007. Robuste Versionen der Exponential - und Holt-Winters-Glättungsmethode für die Prognose werden vorgestellt. Sie eignen sich zur Prognose von univariaten Zeitreihen in Gegenwart von Ausreißern. Die robusten Exponential - und Holt-Winters-Glättungsmethoden werden als rekursives Aktualisierungsschema dargestellt. Sowohl die Aktualisierung. Robust versions of the exponential and Holt-Winters smoothing method for forecasting are presented. They are suitable for forecasting univariate time series in presence of outliers. The robust exponential and Holt-Winters smoothing methods are presented as a recursive updating scheme. Both the update equation and the selection of the smoothing parameters are robustied. This robust method is equivalent to a particular form of the robust Kalman lter in a local linear trend model. A simulation study compares the robust and classical forecasts. The presented method is found to have good forecast performance for time series with and without outliers, as well as for fat tailed time series. The method is illustrated using real data incorporating trends and seasonal eects. . In this paper we seek to improve understanding of the structure of human mobility, with a view to using this for designing algorithms for the dissemination of data amongst mobile users. Cooperation binds but also divides human society into communities. Members of the same community interact with eac. In this paper we seek to improve understanding of the structure of human mobility, with a view to using this for designing algorithms for the dissemination of data amongst mobile users. Cooperation binds but also divides human society into communities. Members of the same community interact with each other preferentially. There is structure in human society. Within society and its communities, individuals have varying popularity. Some people are more popular and interact with more people than others we may call them hubs. Popularity ranking is one facet of the population. In many physical networks, some nodes are more highly connected to each other than to the rest of the network. The set of such nodes are usually called clusters, communities, cohesive groups or modules. There is also structure to social networking. Different metrics can be used such as information flow, Freeman betweenness, closeness and inference power, but for all of them, each node in the network can be assigned a global centrality value. 1. to now, then calculate the average degree for every 6 hours. We call this approach the accumulative window (AWindow). This technique is similar to a statistics technique called exponential smoothing -28-- and we would like to do further theoretical investigation. The S-Window approach reflects more recent context and achieves maximum of 4 improvement in delivery ratio than DEGREE, but at double the c.