Cтраница 2
Идея применения метода упорядоченной минимизации риска для решения некорректных задач измерений была реализована в 1974 г. в работе В - Я. [16]
Применим теперь метод структурной минимизации риска для решения некорректных задач интерпретации результатов косвенных экспериментов. [17]
Устойчивые ( регулярные, робастные) методы решения некорректных задач основываются на использовании априорной информации о решении, сужающей возможный класс решений. Хронологически история развития этих методов такова. [18]
Разработанный в Институте машиноведения РАН расчетно-экс-периментальный метод решения обратных и некорректных задач, внедренный в практику исследований [26, 34], позволяет при упругих деформациях, по данным натурных измерений на части поверхностей, определить напряжения в других местах этой поверхности и особенно в зонах внутри элементов конструкции, недоступных в ряде случаев для тензометрии, что обеспечивает полноту нахождения НДС оборудования в условиях эксплуатации. [19]
Как отмечалось Фриденом [227], подход к решению обратных некорректных задач на основе метода Монте-Карло в известном смысле может считаться предельно нелинейным. [20]
Эти способы минимизации риска и следует применять для решения некорректных задач интерпретации измерений, если, конечно, такие способы вообще существуют. [21]
Сравнение алгоритмов Кря-нева и Тихонова, применяемых при решении некорректных задач. [22]
Книга [6] посвящена регуляризованным сплайнам и их приложениям к решению некорректных задач. [23]
Для строгого изучения этих вопросов применены теория обобщенных функций и методы решения некорректных задач. Приведены сведения из теории краевых задач для обыкновенных дифференциальных уравнений с постоянными коэффициентами и основные понятия теории обобщенных функций. С помощью фундаментальной системы решений дифференциального оператора построены функции Грина и функции влияния для оболочек Кирхгофа - Лява и Тимошенко. Даны постановки задач о контакте оболочек между собой и сосесим-метричными жесткими штампами. Методом сопряжения построены обобщенные решения, поскольку классическое существует только для моделей, учитывающих трансверсальное обжатие. [24]
Получение оценок скорости сходимости алгоритмов итеративной регуляризации, как и любых аппроксимаций решений некорректных задач, возможно только при наложении каких-либо дополнительных априорных условий на данные задачи. [25]
Рассмотренный подход позволяет формально просто, не испытывая вычислительных трудностей, получать такие решения некорректных задач, которые адекватны исходной информации. [26]
Однако в целях автоматизации процессов обработки экспериментальной информации необходимо выработать некоторые формальные правила решения некорректных задач, применяемые без участия человека. В этом случае целесообразно использовать методы теории нечетких множеств, поскольку сама формулировка многокритериальных задач имеет нечеткий, расплывчатый характер. [27]
Однако в целях автоматизации процессов обработки экспериментальной информации необходимо выработать некоторые формальные правила решения некорректных задач, применяемые без участия человека, В этом случае целесообразно использовать методы теории нечетких множеств, поскольку сама формулировка многокритериальных задач имеет нечеткий, расплывчатый характер. [28]
Оказывается, что при определенных условиях алгоритмы структурной минимизации риска могут быть использованы для решения некорректных задач интерпретации измерений. [29]
В основной части книги будут рассмотрены методы определения подходящего числа членов разложения для отыскания решения некорректных задач измерений. [30]