Cтраница 3
Вопросы, связанные с разработкой конкретных алгоритмов и программ формирования уравнений электронных схем с применением вычислительных машин, а также их организация в системе машинного моделирования схем, выходят за рамки настоящей статьи, и им будут посвящены отдельные работы. [31]
Прежде чем переходить к изложению конкретных алгоритмов, используемых для прогнозирования активности катализаторов, следует остановиться на некоторых проблемах, существенных как для задач распознавания вообще, так особенно для задач распознавания катализаторов. К ним относятся следующие: 1) подбор обучающей последовательности; 2) выбор, отбраковка и ранжировка признаков, по которым производится распознавание; 3) установление границы классов. [32]
Оценку сверху получаем для каждого конкретного алгоритма, подбирая его так, чтобы различие между верхней и нижней оценками по возможности свести до пуля. Алгоритм, для которого этот разрыв равен нулю, будет оптимальным. [33]
Прежде чем переходить к рассмотрению конкретных алгоритмов, полезно обсудить общую терминологию и базовые принципы построения алгоритмов сортировки. [34]
Теперь рассмотрим и проанализируем несколько конкретных алгоритмов поиска. [35]
Отсюда этот план в виде конкретного алгоритма движений с выделением тактических подцелей и последовательности их достижения спускается для реализации на динамические уровни. Со стороны тактического уровня осуществляются непрерывный контроль и в случае необходимости оперативная корректировка заданных алгоритмов при изменении реальной ситуации. [36]
Управляющие параметры служат для задания конкретного алгоритма восстановления регрессии. С их помощью устанавливается нужная степень подробности выдачи результатов вычислений на печать ( уровень печати) и присваиваются значения константам алгоритмов. [37]
Анализ сложности обычно применяют к конкретным алгоритмам, но его можно применить также и к общим задачам. В этом случае определяется нижняя оценка сложности из всех алгоритмов, решающих задачу. Это обеспечивает значение сложности, не зависящее от алгоритма, и, кроме того, может оказаться полезным в доказательстве того, что данный алгоритм оптимален ( с точностью до константы), и в определении случаев, когда дальнейшая работа может привести к лучшему алгоритму решения задачи. [38]
Следовательно, при решении вопроса, насколько конкретный алгоритм подходит для решения данной задачи, мы должны принимать во внимание не только скорость сходимости этого алгоритма, но также и степень обусловленности, вытекающую из природы рассматриваемой задачи. Вообще говоря, когда область поиска очень узка и имеет форму банана, алгоритмы, в которых поиск осуществляется вдоль направления градиента целевой функции, или методы возможных направлений первого порядка ( разд. Что же касается квазиньютоновских методов, методов сопряженных градиентов и методов возможных направлений второго порядка ( разд. Таким образом, если область поиска имеет неблагоприятную форму, мы предпочтем один из сверхлинейно сходящихся алгоритмов, если только время, требующееся на одну итерацию, не окажется очень большим. [39]
В следующих параграфах этой главы описаны конкретные алгоритмы восстановления многомерней регрессии в классах линейных и кусочно-линейных функций. [40]
Предложенное выше доказательство теоремы Александера содержит вполне конкретный алгоритм. Но эта конструкция неудобна для реализации на компьютере. И конструкция, использованная для доказательства теоремы Александера в книгах [ BZ ] и [ Ada ], - тоже. [41]
Рассмотрим, в этом параграфе один конкретный алгоритм оптимального управления в статике, если математическая модель процесса неизвестна. Будем полагать, что известна только качественная модель ( КМ) процесса, которую будем использовать на первом этапе управления. В дальнейшем, когда использование КМ уже не будет давать желаемого эффекта, предусмотрен переход ко второму этапу ( уровню) управления с применением алгоритма обучения. На втором этапе, как отмечалось ранее, возможно применение и других алгоритмов управления, например, алгоритма управления с использованием математической модели объекта, построенной в процессе управления на первом этапе, и другие. [42]
В то же время при изучении конкретных алгоритмов желательно, чтобы каждый алгоритм мог изучаться в терминах тех элементарных средств, которые наиболее удобны для его описания. Например, алгоритмы линейной алгебры удобнее всего описывать с помощью четырех арифметических действий, а алгоритмы вычисления функций алгебры логики - с помощью тех базисных логических операций, в терминах которых эти функции записаны. [43]
Граф-схема алгоритма преобразования входного слова 11 11 1 в слово 11111. [44] |
В то же время при изучении конкретных алгоритмов желательно, чтобы каждый алгоритм мог изучаться в терминах тех элементарных средств, которые наиболее удобны для его описания. [45]