Cтраница 2
Tg обеспечивает минимальную стоимость завершения обработки, не достигаемую никакой комбинацией априорных характеристик операций. [16]
Из закона больших чисел следует, что выборочные характеристики могут служить оценками соответствующих априорных характеристик. Конечно, достаточно хорошие оценки получаются при выборках очень большого размера, но для экономии времени и средств желательно ограничиться возможно меньшим размером выборки. Возникает задача изучения свойств этих оценок при конечиом размере выборки. [17]
Однако общим недостатком всех расчетов является то обстоятельство, что они построены на априорных характеристиках магнитных полей и гидродинамики потоков, которые еще недостаточно изучены. Другими словами, главные характеристики аппаратов недостаточно обоснованы. Как показано выше, результаты обработки в общем случае не имеют простой однозначной зависимости от средней напряженности магнитного поля, его градиента, величины пондеромоторной силы. [18]
Явные выражения лля / ( t Th) получим с учетом формул (5.150) и (5.153) заменой априорных характеристик Р ( t, FT ( Т) и рт ( Т) соответствующими апостериорными характеристиками. [19]
Как и правило (5.6), правило (5.15) предписывает линейную обработку принятой системы выборочных данных - взвешенное суммирование и сравнение результата суммирования с заранее установленным порогом, зависящим от известных априорных характеристик сигнала и шума и от критерия качества. [20]
Поскольку без знания априорных и переходных вероятностей марковской цепи 9 для вычисления апостериорных вероятностей (8.4) уравнением (8.5) воспользоваться нельзя, то попытаемся преобразовать его к виду, в который неизвестные априорные характеристики не входят. [21]
Таким образом, алгоритм обнаружения в рассматриваемом случае сводится к вычислению взвешенной суммы квадратов выборочных значений огибающей и сравнению ее с порогом, зависящим только от выбранного критерия и априорных характеристик сигнала и шума. [22]
Рассмотрим подграф из модельного примера § 6.2 ( см. рис. 6.6, а), вершины которого представляют операции обработки vi, г2, гз и обмена ir, гтхз, vr-zz c теми же, что и в § 6.2, априорными характеристиками операций обработки. Пусть доступно по одному из двух типов базовых процессоров и один канал обмена данными. [23]
Это соотношение известно как теорема Байеса. В А) условной вероятностью события В относительно события А, то мы можем рассматривать & ( А В) в качестве апостериорной вероятности события А относительно события В. Тогда некоторые предположения об априорных характеристиках р ( А) должны быть сделаны до использования (1.2.21), и это привносит некоторый произвол в вычисления. [24]
И все-таки, во-первых, определенная информация о задаче содержится в самой ее постановке в силу наших знаний о физической стороне изучаемого явления и благодаря имеющимся сведениям об оценках точности входных данных. Во-вторых, в процессе решения экстремальной задачи наши сведения о ней все более пополняются; таким образом, все более проясняется ее принадлежность определенному классу. Стало быть, накапливаемая информация и априорные характеристики позволяют своевременно оценить достоинства и недостатки определенного метода в применении к конкретной задаче и, следовательно, внести элементы управления в процедуру поиска решения. [25]
Одним из видов исходных данных при синтезе эталонной модели с применением частотного метода является семейство логарифмических частотных характеристик основной системы. Однако объем такой информации во многих случаях оказывается недостаточным для точного описания динамики объекта. Поэтому можно говорить лишь о большем или меньшем приближении, с которым эти априорные характеристики отражают действительные характеристики системы. Под действительными понимаются характеристики системы, которые она будет иметь в реальных условиях эксплуатации. [26]
Развитый метод апостериорного анализа является достаточно простым и физически очевидным. Он особенно удобен в случае потоков, наивысший порядок корреляционных или моментных связей которых невелик. Однако с помощью нестрогих рассуждений легко показать, что в условиях, при которых априорные характеристики потока не гарантируют разрешения сигналов, развитый метод ведет к некоторым противоречиям. [27]
Будучи частным случаем движения вязкой жидкости, фильтрация описывается общими уравнениями Навье-Стокса [ 17 J, которые являются отправным элементом анализа вязких течений в классической гидромеханике: в основе такого анализа лежит интегрирование этих уравнений при определенных краевых условиях. Однако с самого начала было ясно, что ввиду доминирующей роли пристеночных ( пограничных) эффектов в сочетании с исключительно сложной геометрией перового пространства, решение уравнений Навье-Стокса для пористой или трещиноватой среды является задачей практически неосуществимой. Этот путь, естественно, был закрыт для построения теории фильтрации и, в частности, для теоретического приближения к основному закону движения подземных вод на базе физически обоснованных упрощений. Однако приведенные выше ( см. раздел 1.1) общие соображения о движении вязкой жидкости оказываются все-таки полезными для априорной характеристики такого закона. [28]
Прежде чем приступить к решению конкретной экстремальной задачи, следует выяснить вопрос, какому из методов минимизации отдать предпочтение в данном случае. Для этого необходимо уметь сравнивать методы. Один путь - сравнивать на основании опыта и достаточного числа экспериментов - путь, без которого не обходится ни один специалист, использующий современную вычислительную технику для решения прикладных задач. Другой путь, никак не исключающий первый, - сравнивать качество методов на определенных классах задач. И здесь обнаруживается важная роль априорных характеристик методов. Эти характеристики должны учитывать многие факторы, в том числе трудоемкость вычислений, скорость сходимости, устойчивость метода к ошибкам в вычислениях, время ( продолжительность) счета и ряд других. Пока еще не поставлена задача об исчерпывающей характеристике метода, но ясно, что одной из важных ее компонент явится вопрос о сходимости. [29]
Прежде чем приступить к решению конкретной экстремальной задачи, следует выяснить вопрос, какому из методов минимизации отдать предпочтение в данном случае. Для этого необходимо уметь сравнивать методы. Один путь-сравнивать на основании опыта и достаточного числа экспериментов - путь, без которого не обходится ни один специалист, использующий современную вычислительную технику для решения прикладных задач. Другой путь, никак не исключающий первый-сравнивать качество методов на определенных классах задач. И здесь сразу же обнаруживается важная роль априорных характеристик методов. Эти характеристики должны учитывать многие факторы, в том числе трудоемкость вычислений, скорость сходимости, устойчивость метода к ошибкам в вычислениях, время ( продолжительность) счета и ряд других. Пока еще не поставлена задача об исчерпывающей характеристике метода, но ясно, что одним из важных ее компонентов явится вопрос о сходимости. Предположим, что для определенного класса задач некоторый метод А обеспечивает более быструю сходимость последовательных приближений, чем метод В. [30]