Cтраница 1
Накопление ошибок округления в процессе описанных выше преобразований зависит от порядка исключения ненулевых элементов. В [9, 25, 44] описаны методы, позволяющие свести ошибку к минимуму. [1]
Чтобы уменьшить накопление ошибок округления при вычислениях, во всех данных для расчета следует сохранять не только верные знаки, но и несколько сомнительных. Количество сохраняемых сомнительных знаков зависит от объема расчетов: если количество выполняемых действий измеряется десятками, надо сохранять один-два сомнительных знака, если количество действий измеряется сотнями, надо сохранять два-три сомнительных знака. [2]
Следовательно, из-за накопления ошибок округления выход модели может неограниченно возрастать. [3]
Расхождение результатов обусловлено накоплением ошибок округления при вычислении величин (, и если полученная точность недостаточна, то вычисления надо проводить с большим числом знаков. [4]
Для метода вырезания узлов характерно накопление ошибок округления. [5]
Расхождение возникает и постепенно увеличивается из-за накопления ошибок округления на прямом и обратном пути даже в таких простых вычислениях, как наши итерации. Для них ошибка r ( k) в x ( k) после вычисления x ( k l) F ( x ( k)) изменится примерно в F ( x ( k)) раз, но мы не станем иллюстрировать это вычислениями. [6]
При этом, для того чтобы избежать накопления ошибок округления, все промежуточные вычисления надо проводить с одной лишней значащей цифрой, которую затем отбрасываем при округлении результатов. [7]
Эта статья приводила к заключению, что эффект накопления ошибок округления делает невозможным решение больших ( скажем, 100x100) систем уравнений. [8]
В этой главе также рассматриваются вопросы, связанные с накоплением ошибок округлений, обсуждается взаимосвязь структуры программы и структуры данных, проблемы экономичного программирования и методология коллективной разработки и создания программ. [9]
Возможное нарушение монотонности функции рт при больших т обусловлено накоплением ошибок машинных округлений. [10]
Некоторые из модифицированных схем, приведенных в литературе [20.5], позволяют уменьшить накопление ошибок округления. [11]
Наиболее поразительной чертой этого алгоритма является то, что он совершенно свободен от опасного накопления ошибок округления. В то время как в р, - алгоритме ( см. § 3) ошибки округления быстро накапливаются и должны компенсироваться постоянным процессом повторной ортогонализации, спектроскопический алгоритм допускает образование сотен, а быть может даже тысяч итераций без особой опасности искажения со стороны ошибок округления. [12]
Выполненные исследования свидетельствуют о высокой точности получаемых с помощью программ решений, устойчивости алгоритмов к накоплению ошибок округления и возмущению исходных данных. [13]
Кроме того, решение системы уравнений с плохо обусловленной матрицей коэффициентов оказывается весьма чувствительным к накоплению ошибок округления при реализации алгоритмов метода Гаусса или метода прогонки. [14]
Это подходит для большинства задач управления процессами, и если требуется повысить точность ( чтобы предотвратить накопление ошибки округления при расчетах) длина слова может быть увеличена вдвое. [15]