Cтраница 1
Стохастические объекты прогнозируют на основе совокупности етатистичецких данных о процессах повреждений в различных условиях эксплуатации. [1]
Для линейных динамических стохастических объектов введем понятие линейности в среднем, являющееся естественным расширением приведенного выше определения линейности для детерминированного технологического процесса. [2]
Достоверность прогноза стохастических объектов определяется соответствием моделей реально протекающим процессам и интервалами значения эффектов повреждений. Точность предсказания их изменения с увеличением времени снижается. [3]
А для стохастического объекта случаен. Если применить другие виды описания линейного динамического стохастического объекта, то случайность оператора А проявляется так, что в дифференциальном уравнении (10.4) a - ( t) и bt ( t) являются случайными функциями, а в уравнении (10.29) коэффициенты а ( и Ь - - случайными величинами. [4]
Рассмотрим решение задач идентификации стохастических объектов с помощью метода моментов. [5]
Рассматривается задача рекуррентной идентификации нелинейных стохастических объектов класса Гаммерштейна. Особенность задачи связана с учетом не-линейностей изучаемого объекта. Построены модели Гаммерштейна с учетом помех на выходе объекта типа мартингалъной последовательности и скользящего среднего. Для стохастических градиентных алгоритмов дано необходимое и достаточное условия сильной состоятельности оценки параметров. Оценена скорость их сходимости. С применением полученных результатов решается задача адаптивной слежения за выхода объекта. [6]
В том случае, когда исследуется стохастический объект и ( или) случайная помеха существенна, сигнал ха оказывается случайным. [7]
Особенностями статистической ИИС являются разнообразие исследуемых стохастических объектов, режимов и методик регистрации процессов, методов получения первичной информации, сложность процедур обработки, неоднозначность интерпретации полученных результатов. [8]
В настоящем докладе в основном рассматриваются вопросы идентификации стохастических объектов, составляющих большой класс сложных реальных производственных процессов. Полученные результаты можно рассматривать как обобщение результатов, приведенных в [8, 9] при идентификации детерминированных объектов, входные и выходные переменные которых являются случайными функциями или случайными величинами. Вначале рассматриваются полные характеристики стохастического и детерминированного объекта - условные ( выходных переменных относительно входных) или совместные ( входных и выходных) многомерные плотности вероятности. В связи с практическими трудностями определения полных характеристик для негауссовых распределений рассматривается их аппроксимация при помощи гауссовых плотностей и пертурбационных многочленов. Далее рассматриваются моментные характеристики стохастического объекта и вводится понятие линейности в среднем. В связи с тем, что применение моментных характеристик для описания стохастических объектов по данным их нормальной эксплуатации может привести к неверным результатам в случае, когда условная дисперсия выходной переменной относительно входной гетероскедастична, приводятся результаты исследований скедастических функций. Исследованию оценок дисперсионных функций посвящена последняя часть доклада. В приложении приводятся некоторые результаты для моментных функций гауссовских распределений. [9]
Таким образом, взаимная скедастическая функция является необходимой характеристикой при идентификации стохастических объектов. [10]
Рассмотрен вопрос о необходимости учета ошибок идентификации при разработке алгоритма управления стохастическим объектом. [11]
Изложены основные результаты, полученные при решении задачи определения неизвестных динамических характеристик стохастических объектов управления. [12]
Подобным способом этот метод может быть применен в задачах идентификации линейных и нелинейных, одномерных и многомерных стохастических объектов с сосредоточенными и распределенными параметрами. [13]
В докладе предложена теория чувствительности, методы которой предназначены для исследования влияния неопределенности параметров модели на критерий качества управления стохастическим объектом. [14]
Если отношение V ( t, x) однозначно, то для противника неопределенность связывается только с неопределенностью платежей, и задача противника сводится к задаче управления стохастическим объектом с известными свойствами. Если матрица платежей детерминирована, то задача может быть решена методами линейного программирования как задача о выборе оптимального циклического пути на графе. [15]