1) renewal square wave process
复合更新过程
1.
Considering the renewal inter arrival time is Erlang distribution,intends to form the model Erlang renewal square wave process and makes the formulas of probability distribution of maximum of stress Erlang renewal square wave process S(t).
讨论结构在设计基准期［０，Ｔ］ 内应力变动规律，考虑应力变动时间间隔是独立同服从Ｅｒｌａｎｇ 分布的随机变量，建立Ｅｒｌａｎｇ 复合更新过程模型，获得结构应力Ｓ（ｔ） 的Ｅｒｌａｎｇ 复合更新过程样本函数最大值ＳＭ 的概率分布，并给出其近似表达
2) Compound X2-renewal process
复合x2-更新过程
3) filtered composite renewal processes
滤过复合更新过程
4) Superposition of fractal renew process (Sup_FRP)
复合分形更新过程
5) renewal process
更新过程
1.
Structural Reliability of Stress Obey Geometric Renewal Process;
应力为几何更新过程时结构可靠度
2.
Asymptotical normality of the renewal process generated by identically distributed NA random variables;
同分布NA序列更新过程的渐近正态性
3.
Delayed Renewal Process in Uncertain Environments;
不确定环境下的延迟更新过程
6) renewal processes
更新过程
1.
We first derive a diffusion-type approximation of renewal processes.
给出了更新过程的一种扩散逼近。
2.
A new kind of alternating renewal processes-fuzzy random alternating renewal processes is devoted.
介绍了一种新的交错更新过程———模糊随机交错更新过程,给出了关于模糊随机事件在"系统在t时刻开着"的极限分布定理。
3.
Because spike trains which neuron fire and receive are commoly renewal processes.
因为神经元发射和接受发放脉冲一般是更新过程,因此这种假定是对生理学数据的一种很粗略的近似。
补充资料：可更新随机过程
可更新随机过程
stochastic process, renewable
(~va石on stochasticp心ess)这一术语通常用来称呼使得 ‘、{=、:成立的wi即er过程(wiener process)x，，其中、l，犷J分别为由亡:，x，，‘簇t，生成的事件。域.例如，在着;(0簇t毛T)为有随机微分 汀省:二a(t)dt+d‘v‘的伊藤过程(It6 pIDcess)的情形，如果 T 〔丁a’(，，d“<的 0且过程a与w构成一〔冶璐s系统，则由 ;;一;。一丁。{a(、).、，}己、 0定义的Wiener过程面:就是否，的新息过程(见【6」).可更新随机过程【stodlastic碑ocess，renewable;c刃tI‘-HH‘upo”ecc 06”OB朋功川H.]，新息随机过程(~-vation stochastic Process) 由一个输人过程所构造且包含该过程全部必要信息的、结构相当简单的随机过程(stochastic plocess).新息随机过程已用于平稳时间序列的线性预测问题，随机过程统计的非线性问题，以及其他问题(见「1J一汇3」). 在线性和非线性随机过程理论中可以以不同方式引人新息随机过程的概念.在线性理论中(见〔4」)，一个向量随机过程x:称为满足〔}古，}2<的的随机过程亡!的新事尽谬(~vation proCess)，如果x，有不相关增量的不相关分量，且对所有t， H，(省)=H:(x)，其中H:(幼和H‘(x)分别是所有值古，(s簇t)和x:(s毛t)的均方闭线性包(在概率空间O上的适当函数空间内).x:的分量的数目N(N簇的)称为新亭尽程的事熬(耐石plicity ofthe~vatio。process)，它是由哲:唯一确定的.在一维省:的情形下，对于离散时间，N一l，而对于连续时间，则只是在关于亡。的相关函数的某些特殊假定下才有N<的(见【4]，【5]).应用中，能从亡。可表示为值x:(:蛋t)的线性泛函这个事实获得便利. 在非线性理论中(见【5]，16」)，新息随机过程
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条