Що таке ЦІЛЬОВА ФУНКЦІЯ Англійською

Таким чином, цільова функція є.

Consequently, Nodal function is.

По-друге, цільова функція, назвімо її g, може бути невідомою;

Second, the target function, call it Ψ, may be unknown;

Вираз, який необхідно максимізувати або мінімізувати називають цільова функція(тут cTx).

The expression to be maximized or minimized is called the objective function(cTx in this case).

По-друге, цільова функція, назвімо її g, може бути невідомою;

Second, the target function, call it g, might be unidentified;

Наприклад, лінійне програмування вирішує задачі в яких цільова функція і обмеження обидва є лінійними.

For instance, linear programming déals with the case that both the objective function and the constraints are linéar.

Цільова функція підприємства: еволюція концепцій та сучасні погляди(c. 243- 254).

Target function of a company: evolution of concepts and modern views(p. 243- 254).

Освіта є єдиною спеціалізованою підсистемою суспільства, цільова функція якої співпадає з метою суспільства.

Education is the only specialized subsystem of society, the objective function has the same purpose of the society.

Якщо ж цільова функція опукла, то будь-який локальний мінімум так само і глобальний.

When the objective function is convex, then any local minimum will also be a global minimum.

В даному випадку, не існує такого максимуму, оскільки цільова функція необмежена, тож відповідь буде«нескінченністю» або«невизначена».

In this case, there is no such maximum as the objective function is unbounded, so the answer is"infinity" or"undefined".

Цільова функція починається із встановлення місії підприємства, компанії, що виражає філософію і сенс його існування.

The objective function of the strategic planning begins with establishing the company's mission, which expresses the philosophy and the meaning of its existence.

Проблема оптимізації опуклості- це проблема оптимізації, в якій цільова функція є опуклою функцією, а допустимою множиною є опукла множина.

A convex optimization problem is an optimization problem in which the objective function is a convex function and the feasible set is a convex set.

Цільова функція, найкраща можлива функція f{\displaystyle f}, яку може бути обрано, задається такою f{\displaystyle f}, яка задовольняє.

The target function, the best possible function f{\displaystyle f} that can be chosen, is given by the f{\displaystyle f} that satisfies.

Кожен локальний мінімум- це глобальний мінімум;оптимальна множина опукла; якщо цільова функція строго опукла, то задача має щонайменше одну оптимальну точку.

Every local minimum is a global minimum;the optimal set is convex; if the objective function is strictly convex, then the problem has at most one optimal point.

По-друге, цільова функція, назвімо її g, може бути невідомою; замість явної формули, може бути надано лише набір точок(часовий ряд) вигляду(x, g(x)).

Second, the target function, call it g, may be unknown; instead of an explicit formula, only a set of points(a time series) of the form(x, g(x)) is provided.

Вже в 1793 році буловперше зведено цегляну будівлю на Leicester Square в Лондоні, цільова функція якої була виключно для показу панорам.

Already in 1793, a brick building was mounted for thefirst time at Leicester Square in London, the purposeful function of which was exclusively to show the panoramas.

Коли цільова функція є диференційованою, методи субградієнта для необмежених задач використовують той самий напрямок пошуку, що і метод найбільш крутого спуску.

When the objective function is differentiable, sub-gradient methods for unconstrained problems use the same search direction as the method of steepest descent.

Основною перевагою, отримуваною від застосування методу ледачого навчання, такого як міркування на основі прецедентів[en],є те, що цільова функція апроксимуватиметься локально, наприклад, як у методі найближчих k-сусідів.

The main advantage gained in employing a lazy learning method, such as Case based reasoning,is that the target function will be approximated locally, such as in the k-nearest neighbor algorithm.

Ця цільова функція розглядається, як певний набір правил чи особливостей певного стилю, які можна вивчити, використовуючи методи машинного навчання, такі як моделі Маркова[1].

This objective function typically contains rules of a particular style, but could be learned using machine learning methods such as Markov models[9].

Звідси випливає, що якщо цільова функція Z є строго опуклою(строго увігнутої) і якщо область рішень системи обмежень не порожня й обмежена, то задача ОП завжди має єдине рішення.

It follows that if the objective function Z is strictly convex(strictly concave) and if the domain of solutions of the constraint system is not empty and bounded, then the VP problem always has a unique solution.

Якщо цільова функція F є лінійною, а обмеженим простором є політоп, то задача є задачею лінійного програмування, яка може бути розв'язана за допомогою добре відомих рішень лінійного програмування.

If the objective function f is linear and the constrained space is a polytope, the problem is a linear programming problem, which may be solved using well known linear programming algorithms.

Зокрема, сформульовано задачу мінімізації, в якій цільова функція складається з похибки класифікації, похибки представлення, L1-регуляризації вагових коефіцієнтів, що представляють кожну точку даних(для забезпечення розрідженого представлення даних) та L2-регуляризації параметрів класифікатора.

In particular, a minimization problem is formulated, where the objective function consists of the classification error, the representation error, an L1 regularization on the representing weights for each data point(to enable sparse representation of data), and an L2 regularization on the parameters of the classifier.

Оскільки цільова функція апроксимується локально для кожного запиту до системи, системи ледачого навчання можуть одночасно розв'язувати декілька задач, і успішно впоруватися зі змінами в предметній області.

Because the target function is approximated locally for each query to the system, lazy learning systems can simultaneously solve multiple problems and deal successfully with changes in the problem domain.

Мінімізація цільової функції найменших квадратів за оптимального вибору ваг оптимізує точність підгонки.

Minimization of the least squares objective function by optimal choice of weights optimizes accuracy of fit.

Функцію F називають цільовою функцією, або функцією мети.

The function f is called an objective function, or cost function..

Для майже всіх цільових функцій, спеціалізація цілком випадкова.

For almost all objective functions, specialization is essentially accidental.

Розпишемо цільову функцію таким чином:.

Let's write make-function this way:.