Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "FBM" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Computational Methods for Stochastic Differential Equations and Stochastic Partial Differential Equations Involving Standard Brownian and Fractional Brownian Motion
Autorzy:
Shea, J.
Zachariou, I.
Pasik-Duncan, B.
Powiązania:
https://bibliotekanauki.pl/articles/115867.pdf
Data publikacji:
2011
Wydawca:
Fundacja na Rzecz Młodych Naukowców
Tematy:
Brownian Motion (BM)
fractional Brownian Motion (fBM)
SDEs
SPDEs
Numerical Approximations
Opis:
As more applied science researchers are attempting to use Stochastic Differential Equations (SDEs) as well as Stochastic Partial Differential Equations (SPDEs) in their modeling, especially when involving Fractional Brownian Motion (fBM), one common issue appears: an exact solution cannot always be found. For cases involving SPDEs, exact solutions commonly do not exist and approximation schemes for their solution are typically still in development. Therefore, in this paper, we test various Numerical methods in solving SDEs and SPDEs with standard BM that have non-linear coeffi cients. In addition we extend our results to problems with fBM.
Źródło:
Challenges of Modern Technology; 2011, 2, 2; 3-12
2082-2863
2353-4419
Pojawia się w:
Challenges of Modern Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci FBM w neuronowym modelowaniu mieszania dwuskładnikowych układów ziarnistych
The use of a neural network in modeling of a two-component granular systems’ mixing
Autorzy:
Tukiendorf, M.
Powiązania:
https://bibliotekanauki.pl/articles/288584.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
ziarniste układy niejednorodne
statyczny mieszalnik płytkowy
modelowanie neuronowe
sztuczna sieć neuronowa
Flexible Bayesia Modeling
FBM
non-homogenous granular systems
static plate mixer
neural modeling
Opis:
Pokazano wyniki symulacji neuronowej procesów mieszania niejednorodnych układów ziarnistych. Mieszano dwuskładnikowy układ ziarnisty przy pomocy statycznego mieszalnika płytkowego. Estymacji rozkładów koncentracji składnika kluczowego dokonywano w oparciu o predykcję sztucznej sieci neuronowej Flexible Bayesian Modeling o 20 ukrytych warstwach neuronów. Porównano statystycznie wyniki modelu empirycznego i predyktowanego. Określono współczynnik korelacji.
The results of a neural network’s simulation of the mixing processes of non-homogenous granular systems were shown. A twocomponent granular system was mixed using a static plate mixer. Estimations of the key component’s concentration distribution were performed based on the artificial neural network’s prediction for the assumed numbers of neurons’ hidden layers. The empirical and the predicted results were statistically compared. A correlation coefficient was estimated between them.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 367-373
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies