Cтраница 1
Алгоритм имитации отжига может быть использован для обучения как многослойных, так и полносвязных сетей. При этом функции активации сети не обязательно должны быть непрерывно дифференцируемыми. [1]
Алгоритмы акселерационной имитации по входной информации о полете должны в режиме реального времени вырабатывать информацию о желаемом ( имитирующем) движении стенда. Таким образом, в процессе акселерационной имитации представлены натуральном виде сам имитационный стенд и система чувствительных масс пилота, а летательный аппарат представлен в виде математической модели. Перегрузки и угловые ускорения в любой точке головы и корпуса пилота необходимо воспроизводить на стенде с точностью до порогов чувствительности отолитова аппарата и полукружных каналов вестибулярной системы. [2]
Алгоритмы имитации отжига различаются структурами нейронных сетей, для обучения которых они используются, а также правилами, в соответствии с которыми допускаются шаги, увеличивающие энергию системы. [3]
Алгоритм имитации случайных процессов в базисе Фурье удобен в реализации на ЭВМ, поскольку математическое обеспечение современных ЦВМ, как правило, содержит программы вычисления тригонометрических функций. [4]
Уступает алгоритм имитации в форме случайного ряда Уолша (5.7.35) и по простоте перестройки к требуемой s ( со), однако по объему вычислений он значительно превосходит как алгоритм имитации в базисе Фурье, так и все ранее описанные алгоритмы, так как временные затраты здесь пропорциональны ЛЯ-кратному выполнению операции алгебраического суммирования и вычислений значений функций Уолша. [5]
Рассмотрим алгоритм имитации решения задачи размещения объектов сферы обслуживания населения, для которой имеется две взаимоувязанные целевые функции. Этот алгоритм может использоваться для решения вышеперечисленных задач размещения. [6]
В алгоритмах имитации случайных процессов в тригонометрическом базисе и базисе Уолша каждое значение случайного сигнала выражается суммой независимых случайных величин. На основании предельной теоремы теории вероятностей такой процесс при достаточно большом числе членов случайного ряда характеризуется нормальным распределением вероятностей. Для случайного ряда Уолша это наблюдается при большем числе членов ( начиная с 512), поскольку он имеет меньшее по сравнению с тригонометрическим рядом число случайных параметров. [7]
Рассмотрим некоторые алгоритмы имитации случайных процессов в рамках корреляционной теории. [8]
Методику построения алгоритма имитации стационарных случайных процессов в тригонометрическом базисе представим рядом последовательных этапов. Исходными данными при этом являются: функция спектральной плотности, значения физических параметров имитируемого процесса ( математического ожидания т, дисперсии о2, полосы частот / Ср) и требуемая точность воспроизведения спектральных характеристик. При моделировании на ЭВМ непрерывных случайных сигналов шаг дискретизации выбирается из требуемой точности имитации. [9]
Обращение к алгоритму имитации освобождения памяти производится в период активного состояния заявки, освобождающей память. Заявка, освободившая память, остается в активном состоянии и продолжает движение в сети. Заявка из очереди, занявшая память, переводится в активизированное состояние путем присваивания параметру Ts значения модельного времени Т и включения ссылки заявки в очередь активизации. [10]
Используются градиентный и стохастический алгоритмы имитации отжига. [11]
Возможен другой путь упрощения алгоритма имитации случайных процессов в тригонометрическом базисе. [12]
Его реализация сложнее реализации подготовительного этапа алгоритма имитации в тригонометрическом базисе, что, однако, не имеет решающего значения, поскольку этот этап проводится вне цикла имитации, для заданной функции спектральной плотности выполняется, один раз и просто осуществляется на ЭВМ. [13]
Центральное место в развитии данного подхода занимает создание набора структурных моделей и алгоритмов имитации механизмов разрушения. Важно отметить, что многообразие задач, возникающих при работе с композитами, требует отказа не только от идеи создания универсальной теории разрушения в традиционном понимании, но и отказа от идеи создания универсальной структурной модели материала и универсальных алгоритмов расчета. Выше было показано, что решение многих конкретных задач, как правило, не требует использования всего разработанного и в определенной степени формализованного аппарата имитационного моделирования. [14]
Принципиальный учет структуры материалов, широкое применение статистического моделирования ( Монте-Карло), разработка алгоритмов имитации микро - и макромеханизмов разрушения на ЭВМ позволили автору сформулировать представления о новом методе: структурно-имитационном моделировании на ЭВМ. Центральное место здесь занимает формирование в памяти ЭВМ массивов чисел с информацией о случайных локальных значениях прочности компонентов, об их расположении и, далее, воспроизведение на ЭВМ различных ситуаций, связанных с накоплением повреждений в материале при изменении внешних условий нагружения. [15]