Cтраница 3
Программа НОРМА предназначена для нормировки ( масштабирования) координат векторов матрицы наблюдений X. Текст программы приведен в § 6 гл. [31]
Последнее сообщение печатается тогда, когда в файле с номером 10 находится матрица наблюдений, содержащая качественные признаки. [32]
Эффективным средством повышения устойчивости упреждающей модели служит моделирование неконтролируемых возмущений с помощью матрицы наблюдений. После того, как матрица наблюдений пропускается через фильтр Калмана, случайные флуктуации отвергаются, а действительные отклонения учитываются упреждающим контроллером. Дополнительным средством повышения устойчивости служит эталонная модель ( фильтр первого порядка), которая может быть быстро настроена on-line. [33]
Для решения задачи восстановления регрессии необходимо подготовить следующие данные: 1) матрицу наблюдений X; 2) формальное описание задачи; 3) значения управляющих параметров программ. Вся эта информация подготавливается на перфокартах и затем вводится в ЭВМ. [34]
Как уже отмечалось ранее, вследствие зашумленности реальных данных различного рода экспериментальными ошибками матрица наблюдений всегда является матрицей полного ранга. Вследствие этого возникает трудность в определении размерности факторного пространства и, следовательно, числа компонентов в наборе смесей. Поскольку основным источником этих затруднений являются экспериментальные ошибки в данных, из анализа этих ошибок и характера их влияния на различные этапы решения извлекают информацию для установления истинной размерности факторного пространства. [35]
Решая задачи восстановления регрессии с различными формальными описаниями ( для одной и той же матрицы наблюдений), исследователь может попытаться получить ответы на следующие вопросы. [36]
Параметр 1К ( 1) управляет печатью результатов: при IK ( 1) 0 печатаются параметры матрицы наблюдений TIT, I, n, значения управляющих параметров, распределение векторов по таксонам и расстояния между таксонами. [37]
Варианты различаются между собой подпространствами независимых переменных, в которых строится регрессия, и подмножествами векторов - строк матрицы наблюдений, используемых для построения регрессии. Конкретный вариант описывается текущими масками MP и MB следующим образом. [38]
Значение параметра 1К ( 1) определяет уровень печати результатов: при 1К ( 1) 0 печатаются параметры матрицы наблюдений I и й, массив параметров IK, таблица длин дуг покрывающего дерева и распределение векторов по таксонам. [39]
Параметр 1К ( 1) задает уровень печати программы: прп 1К ( 1) X) печатаются параметры матрицы наблюдений TIT, I, n, коэффициенты найденной оценки регрессии ( в задаче восстановления функции), величины эмпирического риска Ц оценки среднего риска J и среднеквадратичная ошибка / 8КЗ найденной оценки регрессии на экзаменационной выборке; при 1К ( 1) 1 величины. [40]
Все программы комплекта ВОЛНА считывают управляющую информацию ( управляющие параметры программ и маски MP и MB, описывающие переменные и векторы матрицы наблюдений), подготовленную на перфокартах в унифицированном виде. Для ввода управляющей информации предназначена подпрограмма MASK, которая является частью каждой из программ комплекта ВОЛНА, кроме программы ВВОД. [41]
Значение параметра 1К ( 1) задает уровень печати результатов: при 1К ( 1) X) печатаются параметры I я п матрицы наблюдений X и собственные числа выборочной ковариационной матрицы; при IK ( 1) 5s 1 печатается также массив собственных векторов, а при 1К ( 1) 2 - матрица наблюдений, пересчитанная в базис собственных векторов. [42]
Программа ВВОД предназначена для ввода с перфокарт и записи в файл данные ( файл 10) или в файл таксон ( файл 9) матрицы наблюдений X для задач распознавания образов и восстановления многомерной регрессии. Текст программы ВВОД приведен в § 1, гл. [43]
В - прямоугольная ( п, т) матрица ( матрица управления), описывающая влияние вектора и на состояние системы; С - Прямоугольная ( г, п) матрица ( матрица наблюдения), характеризующая наблюдаемость состояния системы посредством ( доступного измерению) вектора выхода. Тогда первое из уравнений (2.8) распадается на п дифференциальных уравнений первого порядка, второе - на г алгебраических уравнений. [44]
Для решения этой задачи необходимо построить N аппроксимирующих функций FI, где N - общее число рассматриваемых скважин ( как действующих, так и проектируемых), принимая параметр PI ( XJ, у -) в матрице наблюдений ( III. Построенный таким образом полином позволяет найти оценки коэффициента влияния i - й и предполагаемой скважин в произвольной точке ( х, у) пласта. Для этого в интерполирующий полином Fi ( x, у) необходимо подставить координаты этой точки. После построения полиномов для действующих па скважин переходят к построению полиномов для скважин дополнительного фонда. [45]