Все выпуски

В работе изучается влияние цветного шума на равновесные режимы нелинейных динамических систем. Для исследования реакции системы на малые возмущения используется асимптотический подход, развивающий технику функций стохастической чувствительности. Стохастическая чувствительность равновесия в общей многомерной динамической системе задается некоторой матрицей. Для этой матрицы стохастической чувствительности в работе получено матричное алгебраическое уравнений. Точное решение этого уравнения дается для важного класса нелинейных осцилляторов с возмущениями в форме цветных шумов. Эта теория применяется к параметрическому исследованию отклика электронного генератора с жестким возбуждением на цветные шумы с различным временем корреляции. В работе исследована зависимость дисперсии случайных состояний от характерного времени корреляции. Показано, что эта зависимость может быть немонотонной и иметь максимумы, соответствующие резонансам. В работе обсуждается вероятностный механизм стохастической генерации колебаний больших амплитуд, вызванной цветным шумом.

Проводится исследование динамической эволюции шести моделей рассеянных звездных скоплений по данным о фазовых координатах звезд, полученных при численном интегрировании уравнений движения звезд. Для этой цели используются фазовые координаты звезд для 100 равноотстоящих моментов времени от начального t=0 до t_m≅5.1τ_vr (τ_vr - начальное время бурной релаксации скопления). На этом интервале времени ошибки, связанные с округлением и экспоненциальным нарастанием возмущений в исходных координатах звезд, существенно не сказываются на статистических выводах о характере движения звезд скопления. Метод исследования основан на вычислениях взаимных корреляционных функций C_1,2=C_1,2(τ,r) (τ - временная задержка, r - расстояние между точками) для флуктуаций фазовой плотности и применении Фурье-преобразования функций C_1,2 для расчета спектра частот и дисперсионных соотношений. Анализ графиков функций C_1,2, спектров частот и дисперсионных кривых подтверждает существование в моделях волн фазовой плотности, позволяет установить полный спектр радиальных колебаний фазовой плотности, отделить устойчивые колебания от неустойчивых, рассчитать периоды колебаний фазовой плотности и инкременты нарастания неустойчивых колебаний фазовой плотности. Подтверждены теоретические оценки периодов известных неустойчивых гомологических колебаний ядер моделей скоплений. Указываются некоторые астрофизические приложения полученных результатов: возникновение иррегулярных структур в рассеянных скоплениях, слабая турбулентность в движениях звезд скоплений.

Рассматриваются задача классификации текстурных изображений и проблема уменьшения пространства признаков. Предлагается редукция задачи многоальтернативной классификации до бинарной одномерной задачи, в которой допустимо использовать байесовский подход c одномерными оценками распределений. Вводится гипотеза о бета-распределении значений признаков для одного класса. Параметры распределения оцениваются методом моментов. Для оценки четырех параметров требуются аналитические выражения и статистические оценки первых четырех моментов этого распределения. После оценки параметров осуществляется проверка гипотезы о распределении по критерию Пирсона. Экспериментально установлено, что модель бета-распределения в большинстве случаев применима к оценке распределений значений признаков. Сделан вывод о необходимости такой проверки для каждой обучающей выборки. В работе также предлагается по результатам оценки степени пересечений оцененных распределений классов оценивать эффективность признака. Рассматривается взаимная корреляция выбранных признаков. Вводится способ оценки информативности признаков, основанный на минимуме средней вероятности ошибки для одного признака и взаимной некоррелированности для системы признаков. На основе алгоритма оценки информативности строится система признаков для каждой пары классов. Формулируется алгоритм классификации, который использует полученные системы признаков и принимает решение на основе оценки плотности моделью бета-распределения на этапе бинарной задачи. Кроме того, cформулированный алгоритм объединяет результаты частных бинарных решений и принимает окончательное решение в задаче классификации.