Возможности - модель
Cтраница 2
При разработке СУ каждого класса необходимо учитывать не только типы решаемых задач и требования к СУ, но и возможности моделей представления знаний, соответствующих данному классу. [17]
Волатильность - единственный из входных параметров модели БлэкаШольца ( другими параметрами являются цена бумаги, срок действия опциона и текущая процентная ставка), который получают расчетным путем, при этом прогностические возможности модели в высшей степени зависят от точности оценки волатильности. Лучшая оценка волатильности - та, что позволяет предсказать движение цен. Но если б знать, куда в дальнейшем пойдут цены, зачем тогда нужна модель БлэкаШольца - можно было бы и так успешно торговать. К сожалению, действительность вынуждает нас оценивать Волатильность. Существует два метода оценки волатильности для использования в модели БлэкаШольца: метод исторической волатильности и метод внутренней ( или подразумеваемой) волатильности. [18]
Мы обнаруживаем, что среднеквадратическая ошибка для Мг меньше ошибки для трех других моделей более чем в 2 5 раза, так что класс Ct оказывается наиболее подходящим. Прогностические возможности моделей М0 и MI существенно различны, несмотря на то, что статистики правдоподобия L0 и Zi близки одна к другой. MI, также велики, что доказывает неадекватность этих моделей исходным данным. [19]
Модель БЛН способна моделировать лишь одну структуру: двумерную, гексагональную и плотноупа-кованную. Возможности мертвой модели непомерно богаче: в ней можно располагать несметным числом способов и, следовательно, можно моделировать любую мыслимую структуру. Кроме того, модель БЛН в своем современном варианте - двумерна. Ее авторы пытались осуществить и пространственную ( многослойную) пузырьковую модель, но экспериментировать с ней оказалось совсем не просто, и модель не привилась. В нашей лаборатории мы осуществили и двумерную, и трехмерную модели БЛН и убедились, что трехмерная практически нежизнеспособна. [20]
Недостаточная сложность может оказаться следствием отсутствия средств семантической интерпретации данных. Сложность ограничений определяет возможности модели и СУБД с точки зрения контроля семантической интерпретации данных. Так, отсутствие соответствующих ограничений в реляционных моделях данных приводит к появлению аномалий соединения, которые возникают при декомпозиции схемы БД, приводящей к неправильной интерпретации связей. [21]
Очевидны недостатки этого классического подхода. Остаются, во-первых, неустановленными прогнозирующие возможности модели и, во-вторых, выбор отдельных дискриминирующих опытов и их общего числа достаточно произволен и базируется только на опыте и интуиции исследователя, что не позволяет уверенно утверждать об определении действительно наилучшей модели, так как в значительной мере решение исследователя зависит от его квалификации и научной компетентности в изучаемой проблеме. Второй подход основан на статистических методах проверки гипотез. Он в достаточной мере формализован и обычно в очень небольшой степени требует в процессе принятия решения привлечения интуиции и практического опыта исследователя. При этом стратегия проведения дискриминирующего эксперимента строится таким образом, чтобы при реализации каждого единичного опыта конкурирующие модели были поставлены в критические условия с точки зрения их описательной силы. По степени согласия с опытными данными на определенном шаге испытания принимается решение об адекватности процессу той или иной модели. Следует отметить также, что методы дискриминации моделей, в отличие от классического, еще недостаточно проверены на практике, поэтому до сих пор нельзя сделать надежных выводов об их эффективности. [22]
На первом этапе намечают цели и задачи исследований с помощью модели, оценивают имеющуюся информацию о подобных процессах и возможность формализации описываемых моделью процессов, выбирают тип модели. По существу первый этап определяет возможности будущей модели процесса коррозии, старения и биоповреждений. [23]
Система RSX - 1ЬМ / PLUS предназначена для выполнения на старших моделях PDP-11. Она лучше остальных систем RSX-11 использует возможности мощных моделей PDP-11 посредством оперирования тремя состояниями: пользователя, супервизора и ядра. Эта операционная система имеет более развитые средства защиты программ и данных в многопользовательском режиме, а также позволяет организовывать выполнение задач в пакетном режиме. Наконец, система RSX - 11S представляет собой подмножество RSX - 11M, специализированное исключительно для работы в системах управления в режиме реального времени. RSX-HS резидентна в оперативной памяти, из нее исключены средства для рачработки нового программного обеспечения. [24]
Это значительно усложняет точную интерпретацию полученных результатов экспериментов и ограничивает прогнозирующие возможности модели. [25]
Успешному пилотированию модели должны предшествовать регулярные тренировки моделиста по установленной программе. Необходимо выработать сноровку в управлении моделью при отработке отдельных элементов полета, а выявив полетные возможности модели, переходить к отработке фигур высшего пилотажа. [26]
Таким образом, рассматривая проблему построения производственных функций, относящуюся на первый взгляд к чисто производственно-технологическим, мы столкнулись с социально-экономическими проблемами организации производства, в частности с проблемой выбора системы стимулирования эффективности производства, которая приводила бы к наиболее рациональному распределению ресурсов. Необходимость учитывать социально-экономические процессы в производственно-технологическом исследовании является характерной для моделирования экономических систем и ограничивает возможности моделей, не учитывающих эти явления. [27]
В группу уравнений математической модели непременно входят в той или иной форме соотношения для расчета равновесных зависимостей между составами жидкой и паровой фаз. От того, насколько точно описано равновесие реальной смеси, зависят результаты моделирования, а следовательно, и возможности модели в отношении прогнозирования поведения реальной колонны. [28]
В группу уравнений математической модели непременно входят в той или иной форме соотношения для расчета равновесных зависимостей между составами жидкой и паровой фаз. От того, насколько точно описывают принимаемые соотношения действительное равновесие реальной смеси, в значительной степени зависит точность результатов моделирования, а следовательно, и возможности модели в отношении прогнозирования поведения реальной колонны. [29]
При расчете колонн ограничения или допущения обычно принимаются для упрощения задачи. Для упрощенных алгоритмов расчета они характеризуют возможности модели, за рамки которых нельзя выходить, поскольку модель разработана исходя из этих ограничений. Что касается точных моделей, то возможность принятия различных допущений учитывается заранее при разработке общей вычислительной схемы, характеризуя многовариантность постановки задачи расчета. При модульной структуре модели снятие того или иного допущения приводит к необходимости включения в состав соответствующего модуля, и наоборот, принятие допущения упрощает вычислительную схему алгоритма и состоит в исключении модуля, ответственного за допущение. [30]
Страницы: 1 2 3