Cтраница 1
Оценка матрицы К, находится непосредственно по экспериментальным данным. [1]
Оценка матрицы Ку находится непосредственно по экспериментальным данным. [2]
Оценка матриц L и V производится по достаточно-представительной выборке объектов, при этом информация о принадлежности объектов к определенным классам не требуется. По уравнению ( 6) заменяем пространство исходных данных размерности р - мерным пространством признаков - фактором, в котором и устанавливаем классифицирующие границы. [3]
Оценки матрицы Грина однородной параболической граничной задачи / / Докл. [4]
Для различных применений важны оценки матрицы Грина и ее npoi з юдных вплоть до границы области. [5]
Алгоритм выставки предназначен для уточнения оценки матрицы перехода из ССК УАСП в ИСК, совпадающей по определению с ИСК самолета-носителя. В результате совместной обработки поступающей информации в БИСУ УАСП формируется матрица доворота ИСК УАСП и производится умножение матрицы доворота на матрицу перехода от ССК к стартовой СК УАСП. При достижении определенной точности совмещения осей ИСК УАСП и ИСК носителя алгоритм выставки отключается. [6]
Вообще по поводу схемы с оценкой спроектированной матрицы Гессе и построением матрицы Zfe методом ( г) разд. [7]
Другими словами, матрица F является оценкой матрицы кривизны. [8]
В задачах без ограничений Hft является некоторой оценкой матрицы, обратной к матрице Гессе целевой функции. Посмотрим, что оценивает матрица HQ в задаче с линейными ограничениями. Для этого вспомним метод 2 расчета направления спуска, изложенный в разд. [9]
Количество дополнительных вычислений целевой функции для построения одной оценки матрицы Гессе будет прямо пропорционально числу его элементов, не равных тождественно нулю. Следует подчеркнуть, что оба предлагаемых метода болезненно реагируют на ошибки округления, особенно опасные, когда матрица Гессе минимизируемой функции плохо обусловлена; впрочем, это слабое место почти всех неградиентных алгоритмов. Опыт применения дискретного метода сопряженных градиентов и ньютоновского метода с двухэтапной аппроксимацией матрицы Гессе показывает, что они ведут себя так, как и можно было бы ожидать; после удвоения точности счета дают примерно те же результаты, что и их градиентные аналоги при счете с одинарной точностью. [10]
Дальнейшая задача состоит в том, чтобы получить точные поточечные оценки матрицы V и ее производных. Для этого нужно иметь эффективный метод построения этой матрицы. Предлагаемый ниже метод использует регуляризатор параболической граничной задачи. [11]
Как мы уже говорили, матрица Z 1 является оценкой матрицы ошибок 5 ь искомых параметров. [12]
После окончания переходного процесса ( от 5 до 30 итераций, Е зависимости от начального приближения 5) оценки матрицы монотонно сходятся к постоянному значению - истинной матрице И, задаваемой при моделировании. [13]
Данную характеристику обусловленности матриц, а также другие ( например, меру обусловленности v ( A), приведенную в [17]) трудно применить для оценки матриц коэффициентов систем уравнений в практических задачах. [14]
Справедлив удивительный на первый взгляд факт - эффективны оценки спектрального радиуса можно получить по одному значению ош ратора, если оператор положителен. Идея получения таких оценок дл матриц восходит к О. Втора используемая в параграфе идея обобщенных мажорант восходит к Л.В. Ка торовичу. Основу параграфа составляют результат. [15]