Cтраница 2
В области применения аналоговых вычислительных машин для решения конечных уравнений были созданы регулярные методы построения вспомогательных систем дифференциальных уравнений, базирующиеся на втором методе Ляпунова и отличающиеся тем свойством, что асимптотически устойчивые точки покоя соответствуют корням исходной системы. [16]
Регулярный матричный метод называется внутренне совершенным, если он совместен со всеми регулярными методами, не более сильными, чем он. [17]
Большинство из упомянутых в этом разделе встроенных функций для задач аппроксимации данных реализуют регулярные методы нахождение неизвестных, которые основаны на решении систем линейных алгебраических уравнений при различных критериях качества. В то же время, для решения задач рассматриваемого класса могут успешно применяться и поисковые процедуры, основанные методе Ньютона, градиентном методе, методе наискорейшего спуска и других методах поиска экстремумов. Численные процедуры поиска экстремумов в MathCAD Pro реализуют встроенные функции Minimize и Maximize ( см. разд. [18]
Линейные дифференциальные уравнения - это единственный класс дифференциальных уравнений, для которых разработаны регулярные методы решения краевых задач. [19]
Это определяет специфические сложности анализа метрологических характеристик ТСХ и не позволяет применять в этом случае регулярные методы исследования, успешно применяемые при анализе метрологических характеристик большинства других технических устройств. [20]
Способ получения решения согласно (4.345) ( или ( 4.345)) по форме весьма напоминает регулярные методы средних арифметических частичных сумм Фробениуса - Чезаро [694] и Фейера [397, 708], применяемые для суммирования сходящихся с осцилляциями или расходящихся рядов Фурье. [21]
Сравнивая следствие 8.1 и теорему 8.3, мы видим, что в вопросе безусловной суммируемости почти всюду регулярные методы Т и j могут существенно отличаться друг от друга, тогда как в случае безусловной суммируемости по мере ( см. теорему 8.1) этого нет. [22]
Что касается определения наилучших значений параметров, входящих в эмпирическую формулу, то эта задача более легкая и решается регулярными методами. [23]
Поэтому, если при исследовании ХС, существенной стороной функционирования которых являются процессы передачи хронометрической информации, оказывается возможным использовать в значительной степени регулярные методы теории информации, то при исследовании ХП, основные функции которых сводятся к получению или, может быть, точнее к извлечению и преобразованию хронометрической информации, приходится использовать лишь основные идеи этой теории в интерпретации ее приложений к теории измерений. [24]
Однако аналитическое решение обобщенной системы (3.12) из - N 1 дифференциальных нелинейных уравнений оказывается невозможным, так как нелинейная механика пока не располагает регулярными методами решения подобных систем. Ряд результатов для обобщенной модели ВЧ весьма эффективно можно получить при моделировании динамики синхронных ВЧ на АВМ, на этом более подробно остановимся ниже. [25]
Условное обозначение шифратора показано на рис. 14.20. Как и дешифратор, шифратор является схемой с многими выходами, однако построение его, если следовать регулярным методам, - задача более сложная. [26]
Регулярные методы суммирования) и применяется как аппарат для аналитич. [27]
Таким образом, мы легко решаем обратную задачу - определить, как нужно приложить силы, чтобы изгиб происходил около данной нейтральной оси. Регулярные методы решения прямой задачи неизвестны. [28]
Обратное, вообще говоря, неверно, и класс алгоритмов с инвариантной относительно индуцированной группы преобразований G функцией мощности шире, чем класс инвариантных алгоритмов. Однако регулярные методы синтеза РНМ алгоритмов разработаны лишь для случая, когда поиск ведется в классе инвариантных алгоритмов. Поэтому при использовании принципа инвариантности из класса всех возможных алгоритмов обнаружения сигналов выделяется класс инвариантных алгоритмов, имеющих инвариантные относительно группы преобразований G решающие функции, и в этом классе отыскивается оптимальный алгоритм. Это обеспечивает, с одной стороны, устойчивость полученного алгоритма в условиях априорной неопределенности и, с другой стороны, создает во многих случаях предпосылки для отыскания РНМ алгоритма в этом классе. [29]
Экстремальные системы классифицируются по способу поиска экстремума: системы с регулярным поиском и случайным поиском. К регулярным методам относятся хорошо известные методы полного перебора, Гаусса - Зейделя, градиентного поиска и их модификации. В случайных методах направление поиска ищется случайным образом. [30]