Cтраница 1
Различные весовые функции, используемые для аподизации, часто называют окнами [4.28 - 4.31], когда речь идет о цифровой обработке данных с помощью фурье-преобразования. Этот термин подразумевает, что ошибки усечения могут быть сведены к минимуму за счет правильного выбора формы окна, в котором наблюдаются данные. Для минимизации амплитуды пульсаций необходимо допустить определенное уширение, причем чем больше приемлемое уширение, тем лучше подавление пульсаций. Этот класс окон минимизирует относительную амплитуду пульсаций для любого предварительно заданного уширения В резонансных линий. [1]
Различные весовые функции порождают различные преобразователи Ишлинского. [2]
Возможно использование различных весовых функций, ставящих в соответствие каждому рангу определенный вес. [3]
Приведем наиболее употребительные системы ортогональных многочленов, соответствующие различным весовым функциям. [4]
В таблице приведены значения расхождений между мультигрупповым и широкогрупповым расчетами с использованием различных весовых функций на примере расчета полного потока нейтронов. [5]
Он основан на представлении искомой функции в виде суммы типа ( 61) и определении коэффициентов из того условия, чтобы данное интегральное уравнение наилучшим образом удовлетворялось в среднем при различных весовых функциях. [6]
Этот подход уже успешно использован в одной из ручных систем управления с целью учета весьма сложного разнообразия. Во-вторых, совокупность входных переменных, имеющих различные весовые функции, может быть подана на черный ящик соответствующей подсистемы в виде единственного вектора с различными весами для каждого из компонентов. Примером этих входов может служить, допустим, такая внешняя переменная, как будущее благосостояние потребителей по оценке коммерческого директора предприятия. Наконец, в-третьих, существует возможность представления входов в форме свободных векторов, что позволяет учесть неизвестные переменные в виде остаточных значений. Этот метод зачастую используется в исследовании операций при решении различных задач с помощью аппарата динамического программирования. [7]
Любую из описанных в разд. Иногда может оказаться необходимым использование по двум временным измерениям различных весовых функций. [8]
Любую из описанных в разд. Иногда может оказаться необходимым использование по двум временным измерениям различных весовых функций. [9]
Эта теорема значительно облегчает задачу построения непрерывных D-оптимальных планов. В работах [30 - 33] непрерывные D-оптимальные планы построены для полиномиальной регрессии при ограничениях на отрезке; для полиномиальной регрессии первого и второго порядков при ограничениях на гиперкубе и fe - мерном шаре; для тригонометрической регрессии и для полиномиальной регрессии с различными весовыми функциями на отрезке. [10]
В настоящее время наиболее развита теория построения О-оптимальных и G-опти-мальных планов. В общем виде задача построения О-оптимальных планов не решена. В работах Кифера, Вольфовица, Хоула и Коно введено понятие непрерывного плана и построены непрерывные О-оптимальные планы для полиноминальной регрессии первого и второго порядков при ограничениях на гиперкубе и fc - мерном шаре; для тригонометрической регрессии с различными весовыми функциями на отрезке. Границы эксперимента чаще всего задаются гиперкубом. Оптималь-ными планами являются также некоторые дробные реплики полного факторного эксперимента, и планы Плакетта - Бермана для числа факторов k, удовлетворяющих условию k 1, кратны четырем. Эти планы в то же время ортогональны и ротатабельны. [11]