Cтраница 2
Во-вторых, существенно возрастают вычислительные затраты, и значит мощность компьютера может оказаться недостаточной для решения задачи. [16]
Один из способов уменьшить вычислительные затраты - это принять такую стратегию поиска решений в параметрическом пространстве, которая бы использовала полный динамический расчет только тогда, когда это совершенно необходимо. [17]
Для фиксированного числа уравнений требуемые вычислительные затраты тем меньше, чем меньше ширина ленты, независимо от того, имеют ли уравнения блочно - ленточную структуру. [18]
Кроме того, так как вычислительные затраты на оптимизацию на один-два порядка превышают затраты на расчет схемы, работа проектировщика в реальном времени может быть трудновыполнимой. [19]
При этом с уменьшением h возрастают вычислительные затраты. [20]
Скорость сходимости при этом снижается, но общие вычислительные затраты на каждой итерации существенно сокращаются. [21]
Обратное распространение ошибки позволяет во много раз сократить вычислительные затраты на расчет градиента по сравнению с расчетом по определению градиента. [22]
Быстрота сходимости метода является одним из факторов, определяющих общие вычислительные затраты на решение задачи с необходимой точностью. ЛО, и называют ее оценкой погрешности. [23]
Отметим также, что при решении задачи таким образом вычислительные затраты оказываются меньшими, чем в первом случае, когда группирование проводилось для большого числа объектов одновременно, а не по этапам. Более того, поскольку вычислительные трудности при поэтапном группировании ниже, чем при группировании на полном множестве объектов, вохникает возможность конструирования в рамках предлагаемого метода алгоритмов группирования минимальной сложности. [24]
Обычно число итераций в методе Ньютона незначительно, но большие вычислительные затраты на каждую итерацию не всегда дают преимущества данному методу. Поэтому на практике часто применяются модификации метода, имеющие скорость сходимости, близкую к квадратичной, но не требующие непосредственного вычисления производных. [25]
Эффективное практическое применение нейронных сетей для оптимизации возможно, если вычислительные затраты у соответствующей модели не слишком быстро растут с ростом размерности задачи. [26]
![]() |
Принципиальная схема ячейки ТТЛ.| Зависимости потребляемой схемой мощности ( а и времени задержки сигнала ( б от сопротивления Ri. [27] |
Основным недостатком, присущим всем статистическим критериям оптимальности, являются большие вычислительные затраты на поиск оптимальной схемы, поскольку, во-первых, сами критерии требуют для своего формирования вычисления статистических характеристик, а во-вторых, оптимизация по статистическим критериям требует применения специальных методов поиска, так как целевые - функции, получающиеся в данном случае, имеют сложный негладкий рельеф с наличием многих ( или, по крайней мере, нескольких) экстремумов. [28]
Таким образом, второй метод позволяет более чем в два раза сократить вычислительные затраты при эквивалентных требованиях памяти. [29]
Заметим также, что [ М ] трехдиагональ-ная 1, что снижает вычислительные затраты на ее обращение. [30]