Подходящая точка

Cтраница 3

Требование 26 можно считать условием, вызванным тем, что х не является подходящей точкой. [31]

Пусть для данной задачи НЛП алгоритм вырабатывает точки zk и допустим, что множество подходящих точек ficV является заданным. [32]

Тогда либо алгоритм останавливается в подходящей точке, либо предел любой сходящейся последовательности является подходящей точкой. [33]

Так как выражения (11.23) и (11.24) противоречат друг другу, то г должна быть подходящей точкой. [34]

К стесненному кручению корытного. [35]

Нулевые точки на эпюрах о ( рис. 66 и 67, б) являются подходящими точками для крепления фасонки, так как заклепочные отверстия в этих местах не ослабляют сечения стержня при стесненном кручении. [36]

Если алгоритм прекращает поиск в точке z, то это означает, что либо не существует подходящей точки, либо точка z является подходящей. При этом, если точка z является подходящей, то либо Ak ( z) 0, либо из условия уеЛй ( г) следует, что у является подходящей точкой. [37]

Следует обратить внимание, однако, на то, то мы не требуем замкнутости отображения в подходящей точке. В подходящей точке доминирует условие 26 и поведение самого отображения А несущественно. [38]

Очевидно, что условие 26 обязательно выполняется, так как предел любой сходящейся подпоследовательности должен быть подходящей точкой. [39]

При соблюдении этик предположений из того, что г - - z, & еК следует: г00 - подходящая точка. [40]

Чтобы доказать условие 26, допустим, что xh - х, k K, где х не является подходящей точкой. [41]

Тогда алгоритм, удовлетворяющий этим условиям, либо завершает поиск в подходящей точке, либо пределом любой сходящейся подпоследовательности будет подходящая точка. [42]

Мы не пытались применять в этой задаче нелинейный ( например, квадратичный) MDA-анализ - вероятно, это была бы более подходящая точка отсчета для оценки качества нейронного классификатора. Разница между линейной и квадратичной моделью может сказываться в случае, когда точки попадают на участок насыщения логистической кривой. Они являются непараметрическими методами классификации и не требуют предварительного задания вида зависимости. Следовательно, такие методы могут давать лучшее качество аппроксимации на выборке за счет разбиения пространства переменных на произвольное число областей для последующего принятия решений. Более того, осмысленный прогноз возможен только в предположении, что эти матрицы постоянны во времени. В этом вопросе необходимы дальнейшие исследования. [43]

Если все точки входят в компактное множество, то остается лишь доказать, что предел любой сходящейся подпоследовательности должен быть подходящей точкой. [44]

Пункт ( а) определения сходимости постулирует поведение алгоритма в такой ситуации, когда ему следует на некоторой итерации определить, что zh является подходящей точкой. [45]

Страницы: 1 2 3 4