Вычисление - градиент
Cтраница 2
Таким образом, погрешность вычисления градиента является преобладающей, а машинное время нерационально тратится на поддержание высокой точности вычисления температуры. [16]
 |
Измеренные значения напряженности поля X в. [17] |
Есть более простой метод вычисления градиента потенциала в столбе. [18]
Идентификация, основанная на вычислении градиента, иллюстрируется на фиг. [19]
Однако это требует высокой точности вычисления градиента функции р ( х) в точках х /, высокой точности одномерной минимизации, а также высокой точности в определении наибольшего значения / 3k из соотношения (9.13), что часто снижает эффективность выбранного процесса минимизации. [20]
Значения уi р полученные при вычислении градиента каскада, затем сравнивают с его значением, полученным из уравнений материального баланса для каскада. [21]
Последовательность шагов 1 - 3 реализует вычисление градиента критерия оптимизации ( Х 9) методом сопряженного процесса так жег как и для задач с обыкновенными дифференциальными уравнениями ( см. стр. [22]
Достоинства способа синхронного детектирования - быстрота вычисления градиента, поскольку все частные производные определяются параллельно, и высокая помехозащищенность. [23]
Для устранения погрешности метода суперпозиции при вычислении градиента давления последний должен быть умножен на величину 1 / К, обратную погрешности К. [24]
Из уравнения ( 7.1 2) следует, что вычисление градиента основано на нахожде нии первых производных. [25]
Большинство известных методов минимизации выпуклых функций многих переменных предусматривает вычисление градиента функции или ее производных по направлению. В тех случаях, когда фактически можно подсчитывать только значение самой функции ( как это часто имеет место на практике, если минимизируемая функция задана сложным алгоритмом), то вычисление производных будет требовать подсчета функции в точках, близко расположенных друг к другу. Такие алгоритмы, по-видимому, довольно далеки от оптимального. Это видно из того, что построенные в § 2, 3 оптимальные алгоритмы сводятся к вычислению функции в точках, находящихся на конечном, а не бесконечно малом, расстоянии от прежних точек вычисления. Вероятно, таким же свойством обладает и оптимальный алгоритм поиска минимума выпуклых функций многих переменных. [26]
Одним из наиболее распространенных релаксационных методов минимизации, связанных с вычислением градиента, является метод спуска по направлению антиградиента минимизируемой функции. [27]
Все алгоритмы, рассматриваемые в настоящей главе, требуют задания подпрограмм вычисления градиента; большинству из них понадобятся также и вторые производные. По классификации, введенной в предыдущей главе, они относятся к методам спуска. [28]
Таким образом, одним их ценных преимуществ операции сглаживания является удобство вычисления градиента сглаженной функции, которое выражается в том, что дифференцируется не исходная функция, а заданная аналитически весовая функция. [29]
Через k обозначено количество вычислений целевой функции, нижний индекс соответствует числу вычислений градиента. [30]
Страницы: 1 2 3 4