Наилучшее предсказание

Cтраница 1

Наилучшее предсказание приводит к миним. [1]

Наилучшим предсказанием называется такая функция g, для которой величина стр принимает наименьшее значение. Простейший вид функции g - линейный. [2]

Требуется построить наилучшее предсказание величины ( 0), если за меру близости принято среднеквадратич. [3]

В случае, когда распределение F ( у) мультимодалыю, наилучшим предсказанием является одна из мод. [4]

В случае, когда распределение F ( ц) мультимодально, наилучшим предсказанием является одна из мод. [5]

В этом случае нелинейная схема может дать лучшие результаты по сравнению с линейной; точные характеристики оптимальной операции будут существенно зависеть от принятого критерия для наилучшего предсказания. [6]

Зависимость качества прогноза от длины обучающей последовательности и структуры полинома.| Временные характери - [ IMAGE ] 6. Полигоны изменения истинного. [7]

Как видно из графиков, функции е, - / ( К) для различных видов полинома ( / - IV) монотонно убывают, асимптотически приближаясь к уровню наилучшего предсказания для данного полинома. [8]

Поскольку абсолютно никто не может быть уверен в общем случае в том или ином исходе, эксперты собирают всю информацию, которая им доступна, а затем на ее основе делают наилучшее предсказание. Последовательная процедура напоминает последовательность скачков к правильным выводам, наша же экспертная система не делает этого. [9]

Доверительный интервал имеет наименьшую ширину в центральной части графика и расширяется к его краям. Это свидетельствует о том, что наилучшее предсказание гр может быть получено при значениях ReT, соответствующих средней части графика. [10]

В большинстве практически встречающихся случаев представляется возможным, хотя бы в первом приближении, рассматривать процессы изменения технологических величин или других производственных показателей как стационарные случайные функции с нормальным распределением. Поэтому обычно критерий минимума среднеквадратичной ошибки является наиболее приемлемым в качестве критерия наилучшего предсказания в большинстве рассматриваемых задач управления. [11]

Усредненные значения различных минимумов для переменных т, to и J, - наивное решение этой проблемы - приводятся в Табл. Значения переменных т со и At колеблются в пределах 20 % по сравнению с наилучшим предсказанием, но прогноз по 4 почти не улучшился. Это объясняется тем, что соответствие вообще проскакивает действительную дату краха. На самом деле, tc не есть время краха, а лишь его наиболее вероятное значение, то есть, время, когда асимметричное распределение возможного времени краха достигает своего пика. [12]

Усредненные значения различных минимумов для переменных m to и At, - наивное решение этой проблемы - приводятся в Табл. Значения переменных т, со и At колеблются в пределах 20 % по сравнению с наилучшим предсказанием, но прогноз по 4 почти не улучшился. Это объясняется тем, что соответствие вообще проскакивает действительную дату краха. На самом деле, tc не есть время краха, а лишь его наиболее вероятное значение, то есть, время, когда асимметричное распределение возможного времени краха достигает своего пика. [13]

Распределение ошибок предсказания в случае гауссовского распределения. [14]

Нелинейное предсказание в этом случае ничего лучшего не дает по сравнению с линейным. В общем случае, с другой стороны, распределение будущих значений не будет гауссов-ским и форма кривой распределения может меняться от точки к точке в зависимости от частной предыстории кривой. В этом случае нелинейная схема может дать лучшие результаты по сравнению с линейной; точные характеристики оптимальной операции будут существенно зависеть от принятого критерия для наилучшего предсказания. [15]

Страницы: 1 2