Cтраница 1
Задача восстановления зависимостей по эмпирическим данным была и, вероятно, всегда будет центральной в прикладном анализе. Эта задача является математической интерпретацией одной из основных проблем естествознания: как найти существующую закономерность по разрозненным фактам. [1]
Выходит, задача восстановления зависимости по косвенным данным вообще не разрешима. С точки зрения исследователя - да, если про искомую зависимость заранее известно слишком мало, скажем, только то, что она непрерывна и к раз дифференцируема. Тогда задача вообще неразрешима. Только в том случае, когда заранее известно, что искомая функция принадлежит достаточно узкому классу ( или может быть хорошо приближена функцией такого класса), задача становится разрешимой. [2]
Рассмотрены три задачи восстановления зависимости. [3]
Предлагается решать задачу восстановления зависимостей методом минимизации функционала I ( а), а в тех случаях, когда близость функционала к минимуму не гаран - tnupyem близости функции к искомой, найти дополнительные условия, при которых возможна такая гарантия. [4]
Однако эти особенности задач восстановления зависимостей являются частными, и поэтому основное направление исследований в каждой из них связано с изучением общей схемы минимизации среднего риска по эмпирическим данным. [5]
Такую задачу принято называть задачей восстановления зависимости по эмпирическим данным. [6]
Когда исследователь сталкивается с задачей восстановления неизвестной зависимости по эмпирическим данным, первым же-л-анием зачастую бывает - искать зависимость как можно более общего вида, привлекая как можно большее число аргументов. Кажется нежелательным с самого начала поставить себе какие-либо ограничения. Метод структурной минимизации, реализованный в данном комплексе, частично разрешает это противоречие. [7]
Однако проведение этого принципа в задачах восстановления зависимостей сталкивается с рядом сложностей. [8]
При этом, по существу, задача восстановления неизвестной зависимости решается в загрубленном ( квантованном) виде. [9]
Поэтому в настоящем комплексе для решения задач восстановления зависимости по косвенным данным используется тот же принцип структурной минимизации, что и для задач обучения распознаванию образов и построения регрессии. [10]
Рассмотрим различные варианты использования подпрограммы REGILL для решения задач восстановления зависимостей. [11]
В свою очередь задача восстановления регрессии сводится к задаче восстановления зависимостей. [12]
Другая задача, часто возникающая в приложениях - это задача восстановления неизвестной зависимости. Таков, например, широкий класс задач прогнозировани i исходов технологических процессов с отсутствующим - частично или полностью - математическим описанием. [13]
Таким образом, в задаче восстановления регрессии применяется тгонятие близости как в метрике Ьр, так и в метрике С. [14] |
Итак, выше мы установили, что все три задачи восстановления зависимостей сводятся к одной и той же схеме - схеме минимизации среднего риска, и что возможно лишь приближенное решение задачи минимизации среднего риска по эмпирическим данным. Спрашивается, обеспечит ли приближенное решение этой задачи нужную близость найденной зависилюсти к истинной. [15]