Cтраница 1
Методы регуляризации являются эффективным инструментом решения обратных задач диагностики. [1]
Методы регуляризации множества эффективных решений изложены в [35, 58] и [ 96, гл. [2]
В методе регуляризации 0-го порядка Тихонова минимизируется функционал ( ср. [3]
О методах регуляризации Тихонова и Лаврентьева - Бакушинского решения интегрального уравнения Фредгольма I рода. [4]
Изложенные выше методы регуляризации (2.3), (2.15), (2.24) определяют оператор, который при выполнении условий теорем 2.1 - 2.4 является регуляризующим. [5]
G в методе регуляризации Тихонова. [6]
Наибольшее распространение получили методы регуляризации, в которых исходная некорректная задача ( 1) заменяется корректно поставленной, но переформулированной, что однако затрудняет реализацию алгоритма на ЭВМ малой мощности. [7]
В классической постановке метод регуляризации рассматривался применительно к линейной алгебраической задаче о решении системы Ах - 6 0, где множество решений представляло собой линейное многообразие - так называемая некорректная задача ( см. гл. [8]
Однако и расчет по методу регуляризации не исключает погрешностей, обусловленных отклонением реальной структуры материала от идеализированной ее модели. Для оценки указанного отклонения применяют статистические методы, основанные на различных приближениях теории случайных функций. Целью этих методов является представление эффективных значений упругих констант композиционного материала с учетом усредненных их значений и корреляционной добавки к ним. Указанные методы теории случайных функций достаточно работоспособны только при малой относительной разнице модулей упругости компонентов материала. [9]
Однако и расчет по методу регуляризации не исключает погрешностей, обусловленных отклонением реальной структуры материала от идеализированной ее модели. Для оценки указанного отклонения применяют статистические методы, основанные на различных приближениях теории случайных функций. Целью этих методов является представление эффективных значений упругих констант композиционного материала с учетом усредненных их значений и корреляционной добавки к ним. Указанные методы теории случайных функций достаточно работоспособны только при малой относительной разнице модулей упругости компонентов материала. [10]
Выбирать подходящее решение в методе регуляризации оказывается сложнее, чем в методе итераций. [11]
В монографии В.В. Старинца [1.7] вводятся некоторые методы регуляризации весовых функций, которые позволяют рассматривать свойство ортогональности во многих сингулярных случаях. В этой монографии фактически рассматриваются функциональные гильбертовы пространства с индефинитной метрикой. [12]
В настоящее время существуют два основных метода инвариантной регуляризации неабелевых калибровочных теорий: метод высших ковариантных производных и метод размерной регуляризации. [13]
О свойстве Маслова - Морозова в методе регуляризации для нелинейных уравнений 1-го рода. [14]
О решении некорректно поставленных задач и методе регуляризации / / Докл. [15]