Computational Aspects of Model Choice

اگرچه احتمالاً هیچ کس بیش از حد مشتاق این ایده نیست، اما این یک واقعیت است که توسعه بیشتر علوم تجربی تا حد زیادی به توسعه روش ها و تکنیک های تجزیه و تحلیل داده ها بستگی دارد که به دلیل ضرورت کاربرد کامپیوترها برای این منظور، در واقع به این معنی است که عملاً به پیشرفت ها و جهت گیری آمار محاسباتی بستگی دارد. این جلد شامل متون کامل سخنرانی‌هایی است که در طول مدرسه تابستانی درباره «جنبه‌های محاسباتی انتخاب مدل» که به طور مشترک توسط دانشگاه چارلز، پراگ، و انجمن بین‌المللی محاسبات آماری (IASC) در 1-14 ژوئیه 1991 سازماندهی شد، برگزار شد. در پراگ اهداف اصلی مدرسه تابستانی بررسی و تحلیل برخی از پیشرفت‌های اخیر در رابطه با جنبه‌های محاسباتی انتخاب مدل و همچنین پیش‌زمینه نظری آنها بود. مباحث مربوط به مشکلات تشخیص نقطه تغییر، تخمین قوی و جنبه‌های محاسباتی آن، طبقه‌بندی با استفاده از درخت‌های باینری، تقریب تصادفی و بهینه‌سازی شامل بحث در مورد نرم‌افزار موجود، جنبه‌های محاسباتی انتخاب مدل گرافیکی و آزمایش فرضیه‌های چندگانه است. پل بین این رویکردهای مختلف توسط مقاله نظرسنجی در مورد کاربردهای آماری هوش مصنوعی شکل گرفته است.

Although no-one is, probably, too enthused about the idea, it is a fact that the development of most empirical sciences to a great extend depends of the development of data analysis methods and techniques, which, due to the necessity of applications of computers for that pur­ pose, actually means that it practically depends on the advancements and orientation of computational statistics. This volume contains complete texts of the lectures held during the Summer School on "Computational Aspects of Model Choice" orga­ nized jointly by Charles University, Prague, and International Associa­ tion for Statistical Computing (IASC) on July 1-14, 1991, in Prague. Main aims of the Summer School were to review and analyse some of the recent developments concerning computational aspects of the model choice as well as their theoretical background. The topics covers the problems of the change point detection, robust estimation and its computational aspects, classification using binary trees, stochastic ap­ proximation and optimization including the discussion about available software, computational aspects of graphical model selection and mul­ tiple hypotheses testing. The bridge between these different approaches is formed by the survey paper about statistical applications of artificial intelligence.