Сравнительный анализ методов математического моделирования для исследования стохастических данных презентация
Содержание
- 2. Постановка задачи Исследовать применимость различных методов анализа для определения функциональной зависимости стохастических данных и сравнить их
- 3. Входные данные: наборы стохастических данных t, x(t), y(t), где t – независимая переменная 0 1 1
- 4. Методы математического моделирования Методы с использованием алгоритмов машинного обучения 2. Численный метод наименьших квадратов 3. Метод
- 5. Методы с использованием алгоритмов машинного обучения t X(t)
- 6. t Y(t) Методы с использованием алгоритмов машинного обучения
- 7. Модель системы дифференциальных уравнений Получаем: Определяем параметры A,B,C,D. Для этого используем найденные функции x(t) и у(t).
- 8. Получили такое распределение значений da,db,dc,dd соответственно.
- 9. Где числа над графиками показывают долю отсеянных значений Наблюдаемые отклонение имеют грубые промахи, которые явно обусловлены
- 10. Численный метод наименьших квадратов. Модель системы дифференциальных уравнений. Получаем: Определяем параметры A,B,C,D. Для этого используем найденные
- 11. Получили такое распределение значений da,db,dc,dd соответственно.
- 12. Наблюдаемые отклонение имеют грубые промахи, которые явно обусловлены шумом и далеки от найденного параметра. Отсеивая промахи,
- 13. Метод конечно-разностной аппроксимации. Модель системы дифференциальных уравнений. Заменяем производные в левых частях уравнений конечно-разностной формулой. Выражая
- 14. Решая в отдельности каждую систему мы получили определенные значения параметров для каждых трех точек. Получили такое
- 15. Наблюдаемые значения имеют грубые промахи, которые явно обусловлены шумом. Возможно, если удалить эти значения, то точность
- 16. Удаление грубых промахов не привело к предполагаемым результатам, которые были определены в прошлых методах. Следовательно, для
- 17. (Еще ищу информацию, пытаюсь вывести какие-то формулы) Исследование устойчивости
- 18. Сравнение методов По времени работы программы: Методы с использованием алгоритмов машинного обучения: Метод наименьших квадратов: Метод
- 19. Сравнение методов По точности определяемых параметров: Методы с использованием алгоритмов машинного обучения Метод наименьших квадратов Метод
- 21. Скачать презентацию