مقالات رزومه دکتر محمد آرشی
-
The multilinear normal distribution is a widely used tool in the tensor analysis of magnetic resonance imaging (MRI). Diffusion tensor MRI provides a statistical estimate of a symmetric 2nd-order diffusion tensor for each voxel within an imaging volume. In this article, tensor elliptical (TE) distribution is introduced as an extension to the multilinear normal (MLN) distribution. Some properties, including the characteristic function and distribution of affine transformations are given. An integral representation connecting densities of TE and MLN distributions is exhibited that is used in deriving the expectation of any measurable function of a TE variate.Keywords: Characteristic generator, Inverse Laplace transform, Stochastic representation, Tensor, Vectorial operator}
-
Matrix-variate beta distributions are applied in different fields of hypothesis testing, multivariate correlation analysis, zero regression, canonical correlation analysis and etc. A methodology is proposed to generate matrix-variate beta generator distributions by combining the matrix-variate beta kernel with an unknown function of the trace operator. Several statistical characteristics, extensions and developments are presented. Special members are then used in a univariate and multivariate Bayesian analysis setting. These models are fitted to simulated and real datasets, and their fitting and performance are compared to well-established competitors.
Keywords: Bayesian Analysis, Binomial, Eigenvalues, Gaussian Sample, Gibbs Sampling, Matrix-Variate Beta} -
از آن جایی که در مطالعات بقا زمان رخ داد رویداد از اهمیت بسزایی برخوردار است بنابراین برای بررسی و یافتن یک مدل برای زمان های ثبت شده از تجزیه و تحلیل بقا استفاده می کنند. در این مقاله، مدل کاکس به منظور مدل بندی بین احتمال بقا و چندین متغیر توضیحی در راستای تجزیه و تحلیل داده های بقا معرفی شده است. پس از تعریف مدل، چگونگی برآورد پارامترها به روش ماکسیمم درستنمایی شرح داده شده و روشی برای برآورد تابع بقا ارایه می شود؛ همچنین آزمون نیکویی برازش مدل رگرسیون کاکس را ارایه کرده و در قالب یک مثال واقعی مربوط به داده های ژنومی و بالینی بیماران سرطانی، چگونگی تفسیر و تحلیل نتایج برآورد پارامترها را شرح می دهیم. مدل کاکس یک تکنیک آماری برای مدل بندی رابطه بین بقا بیماران و چندین متغیر توضیحی است. این مدل برآورد اثر معالجه در بقا، بعد از تعدیل برای سایر متغیرهای توضیحی را فراهم می کند. به عبارت دیگر، این مدل به ما اجازه می دهد که خطر مرگ را برای اشخاص برآورد کنیم. وقتی که مدل کاکس در تحلیل بقا بیماران در آزمایش های کلینی استفاده شود، مدل اجازه می دهد که اثرات معالجه از اثرات سایر متغیرها مجزا شوند.
کلید واژگان: درستنمایی, تجزیه و تحلیل بقا, مدل کاکس, بالینی, تابع خطر, مدل خطرات متناسب کاکس} -
Partial linear model is very flexible when the relation between the covariates and responses, either parametric and nonparametric. However, estimation of the regression coefficients is challenging since one must also estimate the nonparametric component simultaneously. As a remedy, the differencing approach, to eliminate the nonparametric component and estimate the regression coefficients, can be used. Here, suppose the regression vector-parameter is subjected to lie in a sub-space hypothesis. In situations where the use of difference-based least absolute and shrinkage selection operator (D-LASSO) is desired for, we propose a restricted D-LASSO estimator. To improve its performance, LASSO-type shrinkage estimators are also developed. The relative dominance picture of suggested estimators is investigated. In particular, the suitability of estimating the nonparametric component based on the Speckman approach is explored. A real data example is given to compare the proposed estimators. From the numerical analysis, it is obtained that the partial difference-based shrinkage estimators perform better than the difference-based regression model in average prediction error sense.Keywords: Double shrinking, Partial linear model, Preliminary test LASSO, Restricted LASSO, Stein-type Shrinkage LASSO}
-
در تجزیه و تحلیل داده های بقای سانسورشده، مدل های رگرسیونی کاکس از اهمیت ویژه ای برخوردار هستند. با افزایش متغیرها در یک مدل، به منظور دست یابی به مدل های کاراتر، می توان از روش های تاوانیده استفاده کرد. در این مقاله، به مروری بر مدل رگرسیون کاکس تاوانیده برای برخی از توابع تاوان معروف پرداخته شده است. هم چنین، مجموعه داده های پزشکی mgus2 بررسی شده و نشان داده شده که مدل های تاوانیده بهتر از رگرسیون کاکس به این داده ها برازش می شود که تاوان لاسو، بهترین عملکرد را برای این داده ها دارد.
کلید واژگان: تابع بقا, رگرسیون کاکس, تابع خطر, رگرسیون تاوانیده, لاسو}The proportional hazard Cox regression models play a key role in analyzing censored survival data. We use penalized methods in high dimensional scenarios to achieve more efficient models. This article reviews the penalized Cox regression for some frequently used penalty functions. Analysis of medical data namely ”mgus2” confirms the penalized Cox regression performs better than the cox regression model. Among all penalty functions, LASSO provides the best fit.
Keywords: Cox regression, Hazard function, Penalized regression, Lasso, Survival function} -
International Journal of Mining & Geo-Engineering, Volume:54 Issue: 2, Summer-Autumn 2020, PP 123 -128In this paper, a new method called adaptive bandwidth in the kernel function has been used for two-dimensional upscaling of reservoir data. Bandwidth in the kernel can be considered as a variability parameter in porous media. Given that the variability of the reservoir characteristics depends on the complexity of the system, either in terms of geological structure or the specific feature distribution, variations must be considered differently for upscaling from a fine model to a coarse one. The upscaling algorithm, introduced in this paper, is based on the kernel function bandwidth, written in combination with the A* search algorithm and the first-depth search algorithm. In this algorithm, each cell in its x and y neighborhoods as well as the optimal bandwidth, obtained in two directions will be able to be merged with its adjacent cells. The upscaling process is performed on artificial data with 30×30 grid dimensions and SPE-10 model as real data. Four modes are used to start the point of upscaling and the process is performed according to the desired pattern, and in each case, the upscaling error and the number of final upscaled blocks are obtained. Based on the number of coarsen cells as well as the upscaling error, the first pattern is selected as the optimal pattern for synthetic data and the second pattern is selected as the optimal simulator model for real data. In this model, the number of cells was 236 and 3600, and the upscaling errors for synthetic and real data were 0.4183 and 12.2, respectively. The results of the upscaling in the real data were compared with the normalization method and showed that the upscaling error of the normalization method was 15 times the upscaling error of the kernel bandwidth algorithm.Keywords: Upscaling, Bandwidth, Kernel, Cell, Optimum model}
-
در این مقاله، مسئله برآورد و انتخاب متغیر همزمان در مدل های خطی-جزیی با اثرات آمیخته برای داده های طولی با بعد بالا در نظر گرفته شده است. مولفه ناپارامتری موجود در مدل با اسپلاین های رگرسیونی تقریب زده شده و سپس از طریق بهینه سازی تابع هدف مبتنی بر تابع تاوان , برآورد و انتخاب متغیر به طور همزمان انجام می شود. در ادامه، رفتار حدی برآوردگرهای حاصل در چارچوب داده های طولی با بعد بالا که در آن تعداد پارامترها متناسب با افزایش حجم نمونه افزایش می یابد, مورد مطالعه قرار می گیرد. به منظور پیاده سازی روش برآورد پیشنهادی، یک الگوریتم تکراری مناسب برای انتخاب متغیرهای مهم و برآورد ضرایب غیر صفر ارایه گردیده است. در نهایت، عملکرد روش پیشنهادی با مطالعه شبیه سازی و تحلیل یک مجموعه داده واقعی مورد ارزیابی قرار گرفته است.
کلید واژگان: داده طولی, انتخاب متغیر, برآوردگر تاوانیده, مدل خطی-جزئی, اسپلاین هموارساز, بعد بالا, بیماری ایدز}This paper considers the problem of simultaneous variable selection and estimation in a semiparametric mixed-effects model for longitudinal data with normal errors. We approximate the nonparametric function by regression spline and simultaneously estimate and select the variables under the optimization of the penalized objective function. Under some regularity conditions, the asymptotic behaviour of the resulting estimators is established in a high-dimensional framework where the number of parametric covariates increases as the sample size increases. For practical implementation, we use an EM algorithm to selects the significant variables and estimates the nonzero coefficient functions. Simulation studies are carried out to assess the performance of our proposed method, and a real data set is analyzed to illustrate the proposed procedure.
Keywords: Longitudinal Data, Penalized Estimator, Smoothing Spline, Semiparametric Mixed Model, Variable Selection, HIV} -
در این مقاله برآوردگرهای معروف آزمون اولیه و انقباضی نوع استاین را تحت مشاهدات وابسته بدست می آوریم. در این راستا، خواص مجانبی این برآوردگرها را بدست آورده و با استفاده از یک سری مطالعات عددی درستی نتایج را بررسی می کنیم. نتایج این مقاله برآورد کرنل تابع چگالی احتمال را تحت یک رده از متغیرهای تصادفی به طور یکنوا مانا تعمیم می دهد.
کلید واژگان: وابستگی, میانگین توان دوم خطای مجانبی, برآورد کرنل, آزمون اولیه, انقباضی}In the present article, we develop the well-known preliminary test and Stein-type estimators for the probability density function under association. In this respect, we derive the asymptotic characteristics of the proposed estimators under a set of local alternatives. Some numerical studies are provided for supporting the findings. The result of this article improves the kernel estimate of the marginal probability density function of a strictly stationary sequence of associated random variables. For practical sake, the behavior of the proposed estimators is also analyzed using a real data set.
Keywords: Association, Asymptotic MSE, Kernel Estimate, Preliminary Test, Shrinkage} -
در این مقاله از دو روش تبدیل موجک و روش هسته با پهنای باند تطبیقی به عنوان دو رویکرد متفاوت در فرایند افزایش مقیاس پارامترهای ژیومکانیکی مخزن استفاده شده است. ژیومکانیک در زمینه نفتی به بررسی پارامترهای مقاومت فشاری تک محوری، مدول یانگ، مدول بالک و مدول برشی برای تعیین کیفیت سنگ مخزن و سنگ پوش و همچنین تاثیر مقاومت سنگ و تنش بر رفتار سازندها در نتیجه فعالیت های نفتی می پردازد. با استفاده از نگارهای پتروفیزیکی مانند نگار صوتی و تخلخل، پارامترهای ژیومکانیکی سنگ مخزن محاسبه می شوند. شناسایی زون های یکنواخت و رده بندی کیفیت سنگ، نیازمند بررسی پارامترهای ژیومکانیکی در طول یک چاه است. از افزایش مقیاس برای سهولت این رده بندی می توان استفاده نمود. در نظریه موجک، پس از تجزیه نگار یا سیگنال مورد نظر تا سطح دلخواه، سیگنال افزایش مقیاس یافته از ترکیب بخش تقریب همان سطح و نمونه های باقیمانده از ضرایب جزییات به دست خواهد آمد. این عملیات منجر به افزایش مقیاس چندمقیاسی خواهد شد. در افزایش مقیاس با استفاده از پهنای باند تابع هسته، حد آستانه یا پهنای باندی تعریف می شود که در واقع تابعی از تغییرپذیری پارامتر ژیومکانیکی خواهد بود. روش پهنای باند تطبیقی، می تواند الگوی مناسبی جهت افزایش مقیاس سلول ها ارایه دهد. در نواحی با تغییرات شدید، با انتخاب پهنای باند بهینه، سلول ها به حالت ریز باقی مانده و برعکس در نواحی با تغییرات هموار، تعداد سلول های بیشتری با همدیگر ادغام خواهند شد. از مقایسه نتایج دو روش مشاهده می شود که در شرایط یکسان، خطای مدل افزایش مقیاس یافته با روش پهنای باند هسته حدود 4/1 تبدیل موجک بوده و همچنین این امکان وجود دارد که با توجه به میزان خطای محتمل، بسته به حد آستانه یا پهنای باند مناسب تعریف شده، بتوان تعداد بلوک افزایش مقیاس یافته مدل شبیه ساز را با توجه به زمان محاسبات تعیین نمود.
کلید واژگان: افزایش مقیاس, پهنای باند هسته, تبدیل موجک, پارامتر ژئومکانیکی, مقاومت فشاری تک محوری}In this paper we are used as two different approaches; wavelet transformation and adaptive bandwidth in kernel method in upscaling process of geomechanical parameters of the reservoir. Geomechanics in oil field have been investigated compressive strength parameters, Young's Moduli, Bulk Moduli and shear Moduli to determine the quality of reservoir and rock as well as the effect of rock resistance and stress on the behavior of formations as a result of oil activities. The geomechanical parameters of the reservoir rock are calculated using petrophysical logs such as acoustic and porosity log. Identifying uniform zones and classifying rock quality requires looking at geomechanical parameters along a well. Upscaling can be used to ease the use of this classifier. In the wavelet theory, after the analyze or the desired signal to the desired level, the upscaled signal will be obtained from the composition of the approximation section of the same level and the remaining samples of the coefficient of detail. This is the same as multiresolution upscaling. In upscaling using the bandwidth of the kernel function, the threshold or bandwidth is defined which is in fact a function of the geomechanical parameter variability. Adaptive bandwidth method can provide a good model upscaling of cells. In areas of high variability, by choosing optimal bandwidth, the cells remain fine, and vice versa, in areas with smooth changes, the number of cells will be merged more together. Comparison of the results of the two methods is observed. Under identical conditions, the upscaling error of the upscaled-optimized model with the kernel bandwidth method is about 1.4 wavelet transforms, and it is also possible that according to the probable error rate, depending on the threshold and appropriate bandwidth can be used to determine the number of upscaled block of the simulated model according to the computational time.
Keywords: Upscaling, Kernel Bandwidth, wavelet transformation, Geomechanics Parameter, Compressive Uniaxial Strength}
-
-
: 2
- این فهرست شامل مطالبی از ایشان است که در سایت مگیران نمایه شده و توسط نویسنده تایید شدهاست.
- مگیران تنها مقالات مجلات ایرانی عضو خود را نمایه میکند. بدیهی است مقالات منتشر شده نگارنده/پژوهشگر در مجلات خارجی، همایشها و مجلاتی که با مگیران همکاری ندارند در این فهرست نیامدهاست.
- اسامی نویسندگان همکار در صورت عضویت در مگیران و تایید مقالات نمایش داده می شود.
©2000-2024 magiran.com All Rights Reserved.