Cтраница 1
Дальнейшая минимизация, функционала ( 2.3.) осуществляется варьированием начальной точки отсчета времени. Для этого уравнения (2.25) и (2.35) интегрируют с момента времени, находящегося в интервале 20 мс относительно момента срабатывания зажигающего устройства. Найденное при этом значение § является искомым. [1]
Дальнейшая минимизация затрат памяти на задачи из Ni U ( J N2 может быть проведена несколькими путями, направление и характер которых определяется разработчиком. [2]
Дальнейшую минимизацию в этом случае проводили по различным экспериментальным параметрам - относительным частотам расщепления связей, константе Михаэлиса, максимальной скорости ферментативной реакции, константе ассоциации К олигосаха-ридов высокой степени полимеризации с активным центром ( при полном занятии всех сайтов), а также суммарно. В итоге оптимальный набор параметров был получен при величине AGC 0 37 ккал / мол. [3]
При дальнейшей минимизации числа контактов в контактной схеме от коммутаторов с параллельно-последовательной структурой переходим к коммутаторам с мостовой структурой. Из сравнения схем видно, что коммутаторы класса Н являются более экономичными но числу используемых контактов. Степень минимизации таких схем можно увеличить еще за счет замены некоторых контактов бесконтактными элементами. [4]
С целью дальнейшей минимизации краевых искажений в устройствах асинхронной коммутации дискретных сигналов с аналоговой коррекцией применяется метод подгонки и регулировки. Для схем с аналоговой коррекцией этот метод заключается в том, что данный канальный комплект ( входной и выходной) сравнивается с эталонным, имеющимся на станции. Для этого устанавливают соединение входного эталонного комплекта с выходным регулируемого, а входного регулируемого - с выходным эталонного. При помощи переменных резисторов ( рис. 5.4 RZZ и RS [) подгоняют пилообразное напряжение ГПН выходного комплекта, добиваясь минимальных краевых искажений. Затем датчик дискретных сигналов подключают на входной комплект испытуемого и с помощью резистора R32 подгоняют ГПН входного комплекта, добиваясь также минимальных искажений. [5]
Полученная таким образом окончательная матрица ( рис. 51, в) дальнейшей минимизации не поддается, в чем легко убедиться. [6]
После проведения всех возможных преобразований получают функцию, не имеющую избыточных членов и не поддающуюся дальнейшей минимизации. Эту форму записи функции называют тупиковой. Функция может иметь несколько тупиковых форм. [7]
После проведения всех возможных преобразований получают функцию, не имеющую избыточных членов и не поддающуюся дальнейшей минимизации. Эту форму записи функции часто называют тупиковой. Функция может иметь несколько тупиковых форм. [8]
Простейший алгоритм минимизации функции, а именно суммы квадратов, рассчитанной по уравнениям, которые связывают зависимые и независимые переменные, основан не на уравнении (5.9), а на методе скорейшего спуска. Главный недостаток таких методов состоит в том, что после быстрого в начале процесса продвижения дальнейшая минимизация оказывается слишком медленной. Именно поэтому метод не рекомендуют для вычисления констант устойчивости. [9]
Не всегда такое последовательное расширение в описании является действенным. Это связано либо с недостаточной информацией, содержащейся в эмпирическом материале ( следует расширить эксперимент или повысить точность измерений), либо с неудачной формой описания ( о путях дальнейшей минимизации Si см. гл. [10]
Из таблицы выходов автомата А непосредственно видно, что все его состояния попарно 1-не-совместимы. Недостижимых состояний также не имеется. Следовательно, дальнейшая минимизация автомата А описанными выше средствами невозможна. Нетрудно показать, что автомат А не может быть минимизирован никакими средствами, ибо для реализации четырех различных столбцов выходных сигналов он должен иметь не менее четырех различных состояний. [11]
После теоретического и экспериментального сравнений нескольких способов был выбран следующий метод, оказавшийся наилучшим как по времени счета, так п но удобству машинной реализации. Зафиксируем значения всех переменных, кроме тех, которые относятся к первому узлу - Х; Y; plt и будем минимизировать S как функцию этих трех переменных. Так как функция S дифференцируема, такую минимизацию удобно производить градиентным методом. Вблизи минимума градиентный метод становится малоэффективным ( сходится слишком медленно), поэтому при замедлении сходимости градиентного метода дальнейшая минимизация производится методом Ньютона. [12]