1) multiscale autoregressive(MAR) graphical model
多尺度自回归(MAR)图模型
2) multiscale autoregressive model
多尺度自回归模型
3) Mixture multiscale autoregressive prediction(MMARP)model
混合多尺度自回归预报模型
4) multiscale autoregressive moving average model
多尺度自回归滑动平均模型
5) spatially variant mixture multiscale autoregressive model
空间变化混合多尺度自回归模型
6) SVMMAR model
空间变化的混合多尺度自回归(SVMMAR)模型
补充资料:多带图灵机模型
计算复杂性理论中常用的一种计算模型,它是简单图灵机的一种推广。多带图灵机由一个有穷控制器、一条输入带、一条输出带和 κ条工作带组成。每条带上有一个读写头与有穷控制器相连。每条带都被分成一个个的方格,在每个方格上可以写下一个字母,这些字母均取自一个字母表∑。有穷控制器在任何时候都处在某个状态q,而q属于某个有穷状态集合 Q。在任何一个时刻,机器总是根据自己目前状态q∈Q以及它的输入带头和工作带头正在扫视κ+1个符号的情况来决定下面三个动作:①下一步应该转向Q中的哪个状态;②应该把当前扫视的κ条工作带和输出带上的符号分别改成什么符号(输入带上符号不改写);③把这 κ+2个带头各自向左还是向右移一格(也可以不动)。一个图灵机就是从上面两个条件到三个动作的一个具体规定。这个规定就是图灵机的程序,可以用列表的方法给出。开始时,机器处在一个特定的状态q0∈Q。原始数据是一个长度为n的符号串,放在输入带上,输入带头指向该串的最左符号,其余各带全为空白。然后机器严格按规定(程序)一步步动作下去,一直到没有定义而停机。这时输出带上的内容即被认为是计算的结果。对于长度为n的输入,机器从开始到停机的总步数称为串行时间;所用过的工作带上的方格数称为空间;从开始到停机各工作带头改变方向的总次数称为巡回。它们都是n的函数。
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