Cтраница 1
Непрерывный случай достаточен для наших целей в этой книге. [1]
Непрерывный случай намного более сложен с технической точки зрения и намного хуже изучен. [2]
Для общего непрерывного случая здесь собственно еще почти ничего не сделано. [3]
В непрерывном случае градиентный метод минимизации функции качества Q ( X) сводится к движению точки X в га-мерном пространстве оптимизируемых параметров под действием силы, направленной в сторону антиградиента. [4]
В непрерывном случае эти правила в высшей степени произвольны, но сейчас, в дискретном случае, они оказались вполне определенными: оба покупателя должны рассматриваться совершенно одинаково. [5]
В непрерывном случае тонкость шкалы полезности не определена, и правила распределения, как мы уже видели, могут быть выбраны многими различными способами. [6]
В непрерывном случае это измерение производится относительно заданной системы координат. [7]
В непрерывном случае на вектор-функции х ( /), ч ( 0 накладываются некоторые дополнительные ограничения, связанные с применимостью употребляемых здесь математических записей. [8]
В непрерывном случае удобно пользоваться не энтропией ансамбля Н, а производной величиной, которую мы назовем энтропийной мощностью. Она определяется как мощность белого шума, ограниченного той же полосой частот, что и первоначальный ансамбль, и имеющего ту же самую энтропию. [9]
В непрерывном случае градиентный метод минимизации функции качества Q ( X) сводится к движению точки X в га-мерном пространстве оптимизируемых параметров под действием силы, направленной в сторону антиградиента. [10]
В непрерывном случае первые приближения к характеристическим показателям могут быть найдены следующим образом. Тогда AI определится из условия, чтобы т / 1, 772, & были 2тг - периодическими функциями г. Для вычисления AI с точностью до членов порядка р достаточно найти в порождающем приближении. [11]
В непрерывном случае суммы заменяются интегралами. В общем случае из-за наличия помех математическое ожидание градиента функционала потерь отлично от нуля при ms a, и алгоритмы ( 9) и ( 10) приводят к смещенным оценкам. Для обеспечения несмещенности оценки предлагается следующий способ. [12]
Таким образом, непрерывный случай полностью сводится к дискретному. [13]
В отличие от непрерывного случая oi функции р ( /, х), вообще говоря, не требуется наличия каких-либо аналитических свойств типа непрерывности или дифференцируемости. [14]
Замечание 8.1. В непрерывном случае, как было отмечено, аналогом Dm является оператор дифференцирования d / dx, определенный на классе абсолютно непрерывных функций / (), заданных на конечном интервале, например, [ 0, тг ], и имеющих на этом интервале интегрируемую с квадратом производную. [15]