Текущий выпуск Номер 1, 2024 Том 16

Все выпуски

Результаты поиска по 'регрессионные модели':
Найдено статей: 23
  1. От редакции
    Компьютерные исследования и моделирование, 2017, т. 9, № 2, с. 139-142
    Просмотров за год: 2.
  2. От редакции
    Компьютерные исследования и моделирование, 2018, т. 10, № 6, с. 733-735
    Просмотров за год: 20.
  3. От редакции
    Компьютерные исследования и моделирование, 2020, т. 12, № 4, с. 689-692
  4. От редакции
    Компьютерные исследования и моделирование, 2021, т. 13, № 1, с. 5-8
  5. От редакции
    Компьютерные исследования и моделирование, 2021, т. 13, № 3, с. 455-457
  6. От редакции
    Компьютерные исследования и моделирование, 2021, т. 13, № 4, с. 669-671
  7. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 3, с. 485-489
  8. От редакции
    Компьютерные исследования и моделирование, 2023, т. 15, № 6, с. 1415-1418
  9. Максимова О.В., Григорьев В.И.
    Четырехфакторный вычислительный эксперимент для задачи случайного блуждания на двумерной решетке
    Компьютерные исследования и моделирование, 2017, т. 9, № 6, с. 905-918

    Случайный поиск в настоящее время стал распространенным и эффективным средством решения сложных задач оптимизации и адаптации. В работе рассматривается задача о средней длительности случайного поиска одним объектом другого в зависимости от различных факторов на квадратной решетке. Решение поставленной задачи было реализовано при помощи проведения полного эксперимента с 4 факторами и ортогональным планом в 54 строки. В рамках каждой строки моделировались случайные блуждания двух точек с заданными начальными условиями и правила перехода, затем замерялась продолжительность поиска одного объекта другим. В результате построена регрессионная модель, отражающая среднюю длительность случайного поиска объекта в зависимости от четырех рассматриваемых факторов, задающих начальные положения двух объектов, условия их передвижения и обнаружения. Среди рассмотренных факторов, влияющих на среднее время поиска, определены наиболее значимые. По построенной модели проведена интерпретация в задаче случайного поиска объекта. Важным результатом работы стало то, что с помощью модели выявлено качественное и количественное влияние первоначальных позиций объектов, размера решетки и правил перемещения на среднее время продолжительности поиска. Показано, что начальное соседство объектов на решетке не гарантирует быстрый поиск, если каждый из них передвигается. Помимо этого, количественно оценено, во сколько раз может затянуться или сократиться среднее время поиска объекта при увеличении скорости ищущего объекта на 1 ед., а также при увеличении размера поля на 1 ед., при различных начальных положениях двух объектов. Выявлен экспоненциальный характер роста числа шагов поиска объекта при увеличении размера решетки при остальных фиксированных факторах. Найдены условия наиболее большого увеличения средней продолжительности поиска: максимальная удаленность объектов в сочетании с неподвижностью одного из них при изменении размеров поля на 1 ед. (т. е., к примеру, с $4 \times 4$ на $5 \times 5$) может увеличить в среднем продолжительность поиска в $e^{1.69} \approx 5.42$. Поставленная в работе задача может быть актуальна с точки зрения применения как в погранометрике для обеспечения безопасности государства, так и, к примеру, в теории массового обслуживания.

    Ключевые слова: математическое моделирование, случайное блуждание, планирование эксперимента, случайный поиск.
    Просмотров за год: 21.
  10. Михеев А.В., Казаков Б.Н.
    Новый метод точечной оценки параметров парной регрессии
    Компьютерные исследования и моделирование, 2014, т. 6, № 1, с. 57-77

    Описывается новый метод отыскания параметров однофакторной регрессионной модели: метод наибольшего косинуса. Реализация метода предполагает разделение параметров модели на две группы. Параметры первой группы, отвечающие за угол между вектором экспериментальных данных и вектором регрессионной модели, определяются по максимуму косинуса угла между этими векторами. Во вторую группу входит масштабный множитель. Он определяется «спрямлением» зависимости координат вектора экспериментальных данных от координат вектора регрессионной модели. Исследована взаимосвязь метода наибольшего косинуса с методом наименьших квадратов. Эффективность метода проиллюстрирована примерами из физики.

    Ключевые слова: парная регрессия, точечная оценка, метод наименьших квадратов, двухэкспоненциальная кинетика люминесценции, температура кипения воды, удельное электрическое сопротивление, модель Блоха–Грюнайзена.
    Просмотров за год: 2. Цитирований: 4 (РИНЦ).
Страницы: следующая последняя »

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в систему  Российского индекса научного цитирования.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Copyright © 2009–2024 Институт компьютерных исследований