Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.147.65.111
    [SESS_TIME] => 1732194855
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 658ef56a89c15c8a9e17afc2d3e03b5d
    [UNIQUE_KEY] => a8bfdc54212b07b5084768f4456e644d
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Сибирский журнал вычислительной математики

2015 год, номер 2

Сравнение подходов к оптимизации функциональных алгоритмов статистического моделирования в метрике пространства C

Е.В. Шкарупа
Институт вычислительной математики и математической геофизики Сибирского отделения Российской академии наук, просп. Акад. М.А. Лаврентьева, 6, Новосибирск, 630090
sev@osmf.sscc.ru
Ключевые слова: функциональные алгоритмы статистического моделирования, бигармоническое уравнение, оценка погрешности, оптимизация
Страницы: 219-234

Аннотация

Функциональные алгоритмы статистического моделирования предназначены для построения аппроксимации решения задачи как функции на требуемой области. Для функциональных алгоритмов с различными типами стохастических оценок в узлах были разработаны подходы к построению верхних границ погрешностей в метрике пространства C, учитывающие степень зависимости оценок. Кроме того, существует универсальный подход, применимый при любой степени зависимости стохастических оценок. Построенная верхняя граница погрешности функционального алгоритма используется при выборе условно-оптимальных значений параметров, таких как число узлов сетки и объем выборки. Оптимальность выбираемых параметров напрямую зависит от точности используемой верхней границы погрешности. Основной целью работы является сравнение универсального подхода и подходов, учитывающих степень зависимости оценок.

DOI: 10.15372/SJNM20150209