1) functional forecast
![点击朗读](/dictall/images/read.gif)
泛函预测
2) prediction function
![点击朗读](/dictall/images/read.gif)
预测函数
1.
A ideal prediction function is gained by Accelerating Genetic Algorithm .
![点击朗读](/dictall/images/read.gif)
以地下洞室施工中岩体深部位移监测及预测为例,探讨对非线性多参数位移增长模型进行参数估计的方法,并应用加速遗传算法获得了较理想的预测函数。
3) Predictive functional
![点击朗读](/dictall/images/read.gif)
预测函数
1.
For the long delay,large inertial and strong nonlinear industry process,we propose a predictive functional control(PFC) method based on Takagi-Sugeno(T-S).
针对具有大滞后、大惯性、强非线性的工业过程,提出了基于Takagi-Sugeno(T-S)模型的预测函数控制(Predictive Functional Control,PFC)方法。
4) predictive function
![点击朗读](/dictall/images/read.gif)
预测函数
1.
A fast algorithm for adaptive predictive function of Hénon chaotic system
![点击朗读](/dictall/images/read.gif)
Hénon混沌系统的自适应预测函数控制快速算法
5) p-admissibility
![点击朗读](/dictall/images/read.gif)
无界观测泛函
1.
In this paper, we are concerned with the infinite-time p-admissibility of unbounded observation functionals.
引入无界观测泛函的无限时p 容许性概念 ,讨论了相关性质 ,当C0 半群 {T(t) } t≥ 0 指数稳定的 ,证明了无限时p 容许性与p 容许性是等价的 。
6) functional
[英]['fʌŋkʃənl] [美]['fʌŋkʃənḷ]
![点击朗读](/dictall/images/read.gif)
泛函
1.
Functional Network Neurons Construct Theory and Method;
![点击朗读](/dictall/images/read.gif)
泛函网络神经元构造理论与方法
2.
Sufficient conditions of two integral type functional extrema;
![点击朗读](/dictall/images/read.gif)
两类积分型泛函极值问题的充分条件
3.
Proof on Frechet differentiability of functional;
![点击朗读](/dictall/images/read.gif)
关于泛函Fréchet可微性的证明
补充资料:Марков过程的泛函
Марков过程的泛函
functional of a Markov process
M仰助“过程的泛函【加犯份班司健a扮如d如vpr以犯岛;中y业,o.a月oT Map二招e.o np()朋eCea] 一个以可测方式依赖于MaPKo.过程轨道的随机变量或随机函数,其可测性条件随具体情况而定.在MaP盆oB过程的一般理论中,采用以下的泛函定义.假设给定一个具有时间推移算子氏的非停止齐次M叩-Ko。过程(M田玉ov plx兀启弥)X二(xr,风,氏),其相空间为可测空间(In纷s幽 blespaCe)LE,少),设才是基本事件空间中包含每个形如{。:x,“B}(t)0,B任分)的事件的最小。代数,/’是对于所有可能的测度Px(x‘E)关于/’的完全化的交.如果对于每个t)O,7,关于。代数才门不是可测的,那么,称随机函数叭(‘)0)为Ma伴oB尽捍X的攀甲(丘功d沁n目of此MaJ改ov Pnx君邓)· 人们特别关心的是M川阵..过程的乘性和加性泛函.它们分别润足条件下,十:,下;疏凡和,,十,,,,+氏大,s,亡》0.这里假定,,在【0,co)上是右连续的(代替这些条件,有时只假定对所有固定的s,t)O,这些条件关于P:几乎处处成立).在停止和非齐次过程的情形下,采用类似的方式来定义.MaPI..过程x‘(x,,心,不,P)的加性泛函的例子可以通过以下方式得到:设对于t<‘,,,等于f(x,)一f(x。),或北f(气)d:,或随机函数f(x,)在:。10,,]中跳跃值的和,这里f(x)是有界并且关于岁可侧的函数(第二和第三个例子只在某些附加限制下有效).从任意加性泛函,.,可以得到乘性泛函以py,.在标准MaP-血过程的情况下,设t
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