Cтраница 2
Очевидно, что при организации процесса сканирования следует учесть эти априорные сведения. [16]
Если первое приближение х было выбрано достаточно близким к XQ и априорные сведения о функции у ( х) позволяют правильно выбрать величину л, то процесс быстро сходится, и после нескольких итераций находят решение задачи. [17]
Полезными при идентификации оказываются и данные дру гих методов анализа и априорные сведения об анализируемом веществе ( метод синтеза, указывающий на возможные побоч ные продукты или примеси возможные метаболические пути поведение при хроматографическом разделении на фазах раз личной полярности и др), которые могут помочь при выборе масс ионов для селективного ионного детектирования сузит. [18]
Такой подход позволяет создавать системы управления технологическими процессами, в которых априорные сведения о процессе недостаточны, а измерения трудны. [19]
Рассмотрим частный случай, имеющий большое самостоятельное значение, когда какие-либо априорные сведения о показаниях времени в данный момент отсутствуют и потребитель не располагает априори какой-либо хронометрической информацией. Таким абсолютно неосведомленным потребителем может быть, например, потребитель-машина, не наделенная чувством времени или потребитель-человек в некоторых специфических ситуациях. [20]
Таким, образом, приведенные примеры показывают, насколько важно использовать априорные сведения о законах распределения помех при отыскании алгоритма, оценки. [21]
Полагается, что распределение (5.40) известно, так как оно представляет собой априорные сведения о статисти. [22]
Таким образом, пользователь при конструировании непрямых алгоритмов оптимизации может учесть фактически любые априорные сведения о решаемой задаче. [23]
Особую важность задачи моделирования и идентификации приобретают при рассмотрении сложных объектов, априорные сведения о которых либо отсутствуют, либо незначительны. Именно такие системы ( типа черного ящика) наиболее часто встречаются на практике. В настоящее время стало очевидно, что при рассмотрении многих практических задач, связанных с разработкой, созданием и эксплуатацией сложных систем, известные и широко применявшиеся методы уже не удовлетворяют возросшим требованиям. Объясняется это тем, что большая часть таких объектов не может быть с достаточной точностью описана с помощью хорошо развитой теории линейных систем, не говоря уже о том, что зачастую априорная информация о них чрезвычайно скудна и данные об их структуре носят в основном эмпирический характер. Все это препятствует использованию мощного аппарата дифференциальных уравнений для анализа и синтеза систем такого класса. [24]
Решение обратной задачи акустической тензометрии упрощается в тех случаях, когда имеются априорные сведения о характере НДС. [25]
Для оптимизации конструкции распыляющей головки краско - распылителя КРУ-I необходимо достаточно четко сформулировать априорные сведения о влиянии различных факторов на процесс диспергирования. [26]
В конкретной практической ситуации для выбора подходящей дробной реплики полного факторного плана необходимо использовать все априорные сведения теоретического и интуитивного характера об объекте планирования с целью выделения тех факторов и произведений факторов, влияние которых на результаты измерений существенно. [27]
Предполагается, что множество тестов более или менее равномерно покрывает все множество реальных исходных данных и отсутствуют априорные сведения для искусственного повышения интенсивности ошибок при некоторых тестах. Тем самым состав тестов представляется случайным относительно области изменения входных данных программы и содержащихся в ней необнаруженных первичных ошибок. [28]
Описанные выше способы расчленения неуниверсальны в смысле их приложения к любому из видов каротажа и в недостаточной степени учитывают априорные сведения о строении геологического разреза. Более общий и все шире используемый подход заключается в анализе распределения амплитуд расчленяемой кривой и их мощностей в увязке с той или иной принятой моделью разреза. Алгоритм в первую очередь отделяет на расчленяемой кривой интервалы с повышенными и пониженными значениями амплитуд. Для этого отыскивается такая уровенная линия, число пересечений которой с исходной кривой было бы минимальным. Далее каждая из полученных областей может быть, в свою очередь, разделена на две по тому же алгоритму. Глубина такого деления в принципе не ограничена. Фактически увеличение детальности теряет смысл, когда амплитуда шума становится соизмеримой с амплитудой основного сигнала. Последним этапом является проведение такой уровенной линии, которая дает максимальное число пересечений с исследуемой кривой. Эта детальность расчленения окажется заведомо излишней. Укрупнение расчленения достигается путем исключения ( присоединения к соседним) прослоев, мощностью меньшей заданного критического значения. [29]
Разрешение ( или различение) сигналов, когда на входе возможно присутствие нескольких сигналов ( относительно каждого из которых имеются некоторые априорные сведения) и нужно указать, какие именно сигналы присутствуют. [30]