Стохастический метод

Cтраница 1

Стохастический метод в сочетании с асимптотическим, основанный на использовании процессов Маркова, состоит в том, что реальное возмущение заменяется абстрактным, эквивалентным 6-коррелированным процессом. [1]

Стохастический метод используется также при работе с недельными и месячными графиками для изучения долгосрочной ценовой динамики. Сам Лейн рекомендует составлять недельный график осциллятора в целях определения господствующей на рынке тенденции. Для краткосрочной торговли целесообразно использовать внутридневные стохастические графики. [2]

Стохастический метод для решения 1 - Д - сжатия представляет собой объединение генетического поиска с процедурами моделирования отжига. [3]

Стохастический метод, основанный на использовании процессов Маркова, уже применялся нами выше и смысл его состоит в том, что реальное возмущение заменяется абстрактным, эквивалентным б-коррелированным процессом. Недостатком метода статистической линеаризации является то, что он не дает представления о виде функции плотности распределения вероятности на выходе системы. Преимущество этого метода состоит в простоте использования при анализе систем, при этом внешнее возмущение, действующее на систему, берется без всяких упрощений. Стохастический метод дает возможность вычислить функцию распределения искомой величины, но зато при этом реальное внешнее возмущение приходится заменять эквивалентным б-коррелированным процессом. [4]

Стохастический метод дает возможность с помощью уравнений Фоккера-Планка - Колмогорова исследовать стационарный и нестационарный режимы движения системы, а также рассмотреть практически важный случай, когда внешнее возмущение представляет собой произведение детерминированной и случайной функций времени. Оба эти метода позволяют получить приближенные решения весьма сложных нелинейных задач. [5]

Стохастический метод определения оптимального интерполяционного полинома для аппроксимации функции, заданной таблично. [6]

Изложенный стохастический метод определения оптимального интерполяционного полинома может быть обобщен в применении к задаче поиска оптимума некоторой многопараметрической функции в смысле заданной оценочной функции. При этом, в зависимости от области изменения параметров и их характера, дискретные случайные величины могут быть заменены непрерывными случайными величинами, а также могут быть учтены различные законы распределения параметров. [7]

Рассмотрим стохастический метод решения задач. Изложенный выше случай ткор Грел соответствовал медленным флюктуа-циям. [8]

Рассматривается стохастический метод определения дебита скважин, основанный на спектральном анализе мощности флуктуации давления гаэожидкостного потока. Предложена методика анализа погрешностей измерительных систем. Описывается структурная схема и принцип действия многоканальной ИИС контроля дебита газлифгных скважин. [9]

Использование стохастических методов для получения выхода от уже обученной сети рассматривалось в работе [2] и обсуждается нами в гл. Данная глава посвящена методам обучения сети. [10]

Алгоритмы стохастических методов оптимизации значительно проще многих алгоритмов детерминированных методов. [11]

В стохастическом методе изучают процессы, происходящие с отдельно взятой молекулой, и рассматривают скорость ее перемещения вдоль оси и из одной фазы в другую. Можно также рассматривать слой сорбента как состоящий из множества последовательных элементарных ступеней ( тарелок), по которым распределяется вещество и устанавливается равновесие между фазами. [12]

В основе стохастических методов лежит внесение элементов случайности в процедуру формирования, пробных точек, используемых для определения направления поиска. [13]

Зависимость ускорения 5, достигаемого при распараллеливании явного метода решения нелинейной динамической системы, от времени ( передачи единицы информации по каналам ВС. [14]

Разработан ряд стохастических методов решения поставленной оптимизационной задачи распараллеливания вычислений. В первом методе - стохастическом методе попарной оптимизации подграфов - поиск оптимального решения осуществляется за счет взаимного ( стохастического) переноса вершин между различными парами подграфов графа алгоритма. Второй метод - метод Монте-Карло случайного блуждания вершин графа алгоритма по подграфам - основан на отождествлении вершин графа алгоритма с некоторыми частицами, совершающими случайные блуждания по областям-подграфам в потенциальном силовом поле, роль потенциала которого играет минимизируемый функционал. Наиболее вероятное состояние подобной системы частиц соответствует минимуму потенциала - и, следовательно, является искомым решением. [15]

Страницы: 1 2 3 4