Такой подход называется методом кусочно-линейных приближений, он при- [c.221]
Кусочно-линейные приближения 165 [c.471]
Широко распространенный метод решения нелинейных задач состоит в применении так называемых кусочно-линейных приближений. Что это таксе Вы можете определить окружность с любой степенью точности, вписывая в нее многоугольник. Точно так же можно любые кривые приближенно определять, соединяя прямыми отдельные точки этих кривых. ФУНКЦИЯ, изображенная кривой, становится, как говорят, кусочно-линейной, т. е. ломаной, состоящей из прямых кусков (отрезков). Нелинейные задачи, преобразованные таким образом в линейные, решаются хорошо отработанными методами решения задач линейного программирования. [c.125]
Кусочно-линейное приближение 125 [c.159]
Возможности применения моделей с переменными технологическими коэффициентами при решении задач планирования и управления комплексами непрерывного действия освещены также в работах [21—25]. В частности, в [22] рассматривается нелинейная задача статической оптимизации непрерывного производства. Предлагаются кусочно-линейная аппроксимация переменных коэффициентов и замена исходной нелинейной задачи некоторой приближенной задачей, для решения которой могут быть использованы методы линейного программирования. [c.16]
Для получения приближенного решения заменим функции Tlj(fj) кусочно-линейными. [c.74]
Кусочно-полиномиальной С.-ф. называется потому, что состоит из отдельных кусков, представляющих собой графики многочленов (ср. рис. К.8 к ст. Кусочно-линейная функция"), которые "склеены" гладким образом (если отказаться от математической терминологии — они плавно переходят друг в друга). С помощью С.-ф. удобно проводить интерполирование, т.е. восстановление недостающих элементов временного ряда. Они применяются также для построения приближенных решений обыкновенных дифференциальных уравнений. [c.339]
Как мы видели, наиболее трудная часть решения двухэтапной задачи стохастического программирования—определение предварительного плана — сводится к решению эквивалентной детерминированной задачи. Доказано, что эквивалентная задача является задачей выпуклого программирования. Однако в общем случае для ее решения стандартные методы выпуклого программирования неприменимы. Дело в том, что как целевая функция, так и область определения планов общей двухэтапной задачи заданы неявно. Показатель качества решения эквивалентной задачи далеко не всегда представляет собой дифференцируемую функцию. Вычисление параметров задачи, используемых в стандартных методах решения выпуклых задач, сопряжено со значительными трудностями. Существующие методы решения двухэтапных задач стохастического программирования используют специфические особенности эквивалентной детерминированной задачи. В настоящем параграфе рассмотрены общие и специальные методы вычисления предварительного плана и некоторые неравенства, позволяющие получить и оценить приближенные решения эквивалентной задачи. Ясно, что во всех частных случаях, в которых удается получить явную запись эквивалентной задачи в виде простой линейной, кусочно-линейной или выпуклой задачи, нет необходимости прибегать к предлагаемым здесь, вообще говоря, трудоемким методам. [c.180]
Точное значение" F0=l приближенный метод дал решение с F0 d,025. Ошибка в 2,5% состоит из двух частей. Первая часть — это ошибка аппроксимации, возникшая из-за сужения задачи на класс кусочно линейных функций х (t). Эта ошибка имеет порядок шага т сетки tn и может быть вычислена по указанному выше точному решению задачи в классе кусочно линейных х (t). При шаге сетки t=0,02 точное сеточное решение дает F0=l,0130 (для напрашивающейся аппроксимации F0=1,0133). [c.293]
Видим, что доходность опциона put и подлежащего актива связаны кусочно-линейным соотношением, причем на участке прямой пропорциональности это происходит с коэффициентом у, который собственно, и характеризует фактор финансового рычага (левериджа). Участок прямой пропорциональности соответствует той ситуации, когда опцион оказывается в деньгах. Поэтому, с приближением вероятности К вида (7.26) к нулю, выполняются следующие соотношения [c.105]
Нейрон-победитель является прототипом ближайших к нему входных векторов. Квантование входов обычно не сокращает, а наоборот, существенно увеличивает число входных переменных. Поэтому его используют в сочетании с простейшим линейным дискриминатором -однослойным персептороном. Получающаяся в итоге гибридная нейросеть, предложенная Нехт-Нильсеном в 1987 году, обучается послойно сначала соревновательный слой кластеризует входы, затем выходным весам присваиваются значения выходной функции, соответствующие данному кластеру. Такие сети позволяют относительно быстро получать грубое- кусочно-постоянное- приближение аппроксимируемой функции (см. Рисунок 10). [c.138]
АППРОКСИМАЦИЯ [approximation] — "замена одних математических объектов другими, в том или ином смысле близкими к исходным"5 (в частности, приближенное выражение сложной функции с помощью более простых). Напр., при кусочно-линейной А. непрерывная дифференцируемая функция может быть заменена на функцию, состоящую из нескольких линейных участков (см. Кусочно-линейная функция). [c.23]