Cтраница 1
Используемые экспериментальные данные ( первичные структуры елков с известной топологической классификацией) случайным об - азом разбивается на независимые непересекающиеся) ОБУЧАЮЩУЮ а ОНТРОЛЪНУЮ выборки равного объема. С помощью обучающей выборке роизводится оптимизация свободных параметров исследуемого мето-а предсказания. С помощью контрольной выборки - оценка его ра-оты на независимых от обучения данных. [1]
Независимо от конкретного алгебраического подхода, с точки зрения учета неравноточности используемых экспериментальных данных все методы анализа ранга матриц можно разделить на две группы. [2]
При оценках математического ожидания и дисперсии случайного стационарного процесса следует выделить два граничных случая, зависящих от используемых экспериментальных данных. [3]
Такая процедура, однако, обязательно связана с использованием некоторых нетермодинамических соотношений. Поскольку все используемые экспериментальные данные или вычисляемые величины содержат коэффициенты активности в термодинамически приемлемых комбинациях, кажется, что коэффициенты активности индивидуальных ионов должны быть существенно произвольными, хотя иногда они и удобны. [4]
В [225] рассмотрена проблема достоверности решения обратной задачи с использованием данных ММР в более общем виде. Показано, что источником погрешности искомых параметров являются не только погрешности используемых экспериментальных данных ( как это предполагали в [220, 221] при численном эксперименте), но и погрешности результатов анализа экспериментальных данных ( вторичные экспериментальные результаты), являющиеся результатом обработки их в соответствии с теоретическими функциональными соотношениями. [5]
Все механизмы реакций индивидуальных углеводородов, имеющиеся в литературе, подробно не рассмотрены, так как это значительно увеличило бы объем книги. Предлагаемые автором схемы термических превращений углеводородов могут быть иногда неполными, так как используемые экспериментальные данные в ряде случаев весьма ограничены, а часть схем далеко не бесспорна. [6]
Как ни сложна была бы модель газожидкостного потока, как ни многообразны и всеобъемлющи были бы факторы, учитываемые при описании движения смеси, главные составляющие расхода энергии при восходящем движении смеси, а именно гравитационные потери и потери на трение, определяются эмпирическими зависимостями. Все существующие методики расчета можно разделить на две группы, принципиально различающиеся как набором используемых экспериментальных данных, так и характером их обработки, это методики с раздельным определением составляющих общих потерь энергии и методики, в которых общие потери определяются одной корреляционной зависимостью. [7]
В одной главе невозможно дать полное представление о парогазожидкостном равновесии в многокомпонентных системах. Рекомендовать читателю простые правила получения количественных ответов на его конкретную задачу по фазовому равновесию тоже не представляется возможным. Из-за чрезвычайного разнообразия смесей и условий по температуре, давлению и составу и, наконец, вследствие большого разнообразия в наличии, количестве и качестве используемых экспериментальных данных, читатель сам должен принимать решения, которые, конечно, могут быть проверены только путем эксперимента. [8]
Целью данной работы является изучение зависимости двух случайных величин, существующих в геологии - коэффициента пористости для участка шлифа и длине пор на нескольких участках шлифа. В результате возможно определение коэффициента пористости горных пород, методом, отличным от применяемого в геологии. Речь идет об уравнении регрессии, которое представляет собой общий закон зависимости двух случайных величин. В методе определения пористости но шлифу оно позволяет избежать громоздких расчетов и, при этом, получить реальное значение коэффициента пористости. В работе исследуется зависимость уравнения регрессии от объема используемых экспериментальных данных. [9]