Дискретная функция

Cтраница 2

Интенсивные исследования основных классов дискретных функций, проводимые как специалистами по дискретной математике и математической кибернетике, так и специалистами из других областей математики, поставили задачу формирования такого понятия, в рамках которого можно было бы говорить о различных классах ( дискретных) функций и о различных операциях над этими функциями. [16]

Приближение последовательности реальных импульсов последовательностью идеальных импульсов. [17]

Эффективный математический метод описания дискретных функций основывается на замене последовательности импульсов xp ( t) решетчатой функцией, состоящей из идеальных импульсов. [18]

Обычно для трубопроводов заменяют дискретную функцию непрерывной, округляя затем полученные результаты до ближайших табличных значений. Отклонения от оптимальных значений, полученные при этом, незначительны в связи с пологим характером целевой функции в области экстремума, а также с тем, что шаг изменения дискретного параметра обычно сравнительно невелик. [19]

Если реализация процесса является дискретными функциями, то такой процесс будем называть дискретным случайным процессом. При таком рассмотрении не имеется принципиальной разницы между непрерывным и дискретным случайными процессами, так же как и для закономерных процессов. Однако, учитывая, что теория обобщенных функций представляет собой достаточно сложный предмет для изучения будем излагать теорию дискретных случайных процессов, не прибегая к аппарату обобщенных функций. [20]

В заключение отметим, что дискретная функция самоподобия F по своему физическому смыслу является мультифракталом, связывающая степенной зависимостью фрактальные размерности подмножеств муль-тифрактального множества. Не случайно поэтому, что так совершенна природа. [21]

Переходные характеристики системы автоматического регулирования. [22]

Представим этот сигнал в виде дискретной функции в трансформированном масштабе времени. [23]

Если под непрерывностью в случае дискретной функции понимать то, что небольшие изменения в области определения функции ведут к небольшим изменениям в области ее значений, то алгоритм обучения системы PERCEPTRON можно рассматривать как поиск по непрерывной дискретной функции. Такой непрерывности G ( A), однако, недостаточно для сходимости обучающегося алгоритма. Достаточными являются условие унимодальности G ( A) и движение вверх по градиенту обучающегося алгоритма. Те же самые характеристики могут оказаться важными и для алгоритма, который обучается самим со. [24]

Такая генерализация возбуждения несовместима с дискретной функцией индивидуализированных проводников, способных проводить импульсы из сетчатки в зрительные центры точка в точку, как это свойственно зрелому зрительному анализатору. [25]

Дискретные преобразования Уолша основываются на дискретных функциях Уолша и выполняются над решетчатыми сигналами х ( i), определенными на конечном числе N равноотстоящих точек. [26]

При бесконечном увеличении числа отсчетов m дискретные функции превращаются в непрерывные. [27]

Структурная схема основного контура адаптивной АСУ ТП. [28]

В блоке формирования алгоритма идентификации формируется дискретная функция качества, представляющая собой нелинейную функцию ошибки идентификации е и производных выходной величины, управляющих и возмущающих воздействий. В исполнительном органе блока иденти - Х0 фикации осуществляются интегрирование сформированных функций качества и нелинейное формирование закона настройки параметров в зависимости от текущих значений управляющего сигнала, выхода объекта и значений настраиваемых параметров ( см. гл. [29]

Методика математического описания процесса с привлечением дискретных функций остается прежней. Содержание этих уравнений и как следствие текущий индекс тока и его производной являются функцией переключающих функций F7 - FIZ, имитирующих выключение тиристоров. Справедливо и условие ( 94), полученное для точки а по первому закону Кирхгофа. [30]

Страницы: 1 2 3 4