What is the translation of " COST FUNCTION " in Ukrainian?

• функція витрат
• функція втрат
• функцію витрат

Examples of using Cost function in English and their translations into Ukrainian

The cost function call.
Функція вартості дзвінка.

Let f: ℝn→ ℝ be the fitness or cost function which must be minimized.
Припустимо, що f: ℝn → ℝ це фітнес-функція або функція витрат яку потрібно мінімізувати.

The cost function can be much more complicated.
Функція витрат може бути набагато складнішою.

Models may not consistently converge on a single solution, firstly because local minima may exist, depending on the cost function and the model.
Моделі можуть не збігатися послідовно на єдиному розв'язку, по-перше, через можливість існування багатьох локальних мінімумів, залежно від функції витрат та моделі.

Popular cost function in decision tree learning.
Популярна функція витрат у навчанні дерев рішень.

Current algorithms are sub-optimal in that they only guarantee finding a local minimum, rather than a global minimum of the cost function.
Алгоритми, що доступні зараз є не зовсім оптимальними, бо вони можуть тільки гарантувати знаходження локального мінімуму, порівняно з глобольним мінімумом у функції втрат.

Ultimately, the cost function depends on the task.
Кінець кінцем, функція витрат залежить від задачі.

With appropriately defined network functions, various learning tasks can be performed by minimizing a cost function over the network function(weights).
Для відповідно визначених функцій мережі різні завдання навчання можуть виконуватися шляхом мінімізації функції втрат над функцією мережі(ваговими коефіцієнтами).

When building the model the cost functions were used and general approaches to their building described.
Під час побудови моделі використано функції витрат та описано загальні підходи до їх побудови.

Multi-agent pathfinding is to find the paths for multiple agents from their current locations to their target locations without colliding with each other, while at the same time optimizing a cost function, such as the sum of the path lengths of all agents.
Багатоагентний пошук шляху- це пошук шляху для багатьох агентів з поточного місця до їх бажанього місця розташування, які не будуть перетинатися один з одним, одночасно оптимізуючи функцію витрат, таку як сума довжини шляху всіх агентів.

Additional terms in the training cost function can easily perform regularization of the final model.
Додаткові члени в тренувальній функції витрат можуть легко виконувати регуляризацію кінцевої моделі.

The cost function for optimization in these cases may or may not be the same as for standard NMF, but the algorithms need to be rather different.
Функція втрат для оптимізації в таких випадках може або не може бути такою ж, як і для стандартного NMF, але алгоритми повинні бути досить різні.

Analogously, the model produced by SVR depends only on a subset of the training data, because the cost function for building the model ignores any training data close to the model prediction.
Аналогічно, модель, яка виробляється опорно-векторною регресією, залежить лише від підмножини тренувальних даних, оскільки функція втрат для побудови моделі ігнорує будь-які тренувальні дані, близькі до передбачення моделі.

Is given and the cost function to be minimized, that can be any function of the data x{\displaystyle\textstyle x}.
Та функція витрат для зведення до мінімуму, якою може бути будь-яка функція від даних x{\displaystyle \textstyle x}.

In unsupervised learning, we are given some data x, and a cost function which is to be minimized which can be any function of x and the network's output, f.
У спонтанному навчанні(англ. unsupervised learning) даються якісь дані x{\displaystyle \textstyle x} та функція витрат для зведення до мінімуму, якою може бути будь-яка функція від даних x{\displaystyle \textstyle x} та виходу мережі f{\displaystyle \textstyle f}.

The cost function is related to the mismatch between our mapping and the data and it implicitly contains prior knowledge about the problem domain.[79].
Функцію витрат пов'язано з невідповідністю між нашим відображенням та даними, і вона неявно містить апріорне знання про предметну область.[73].

Consider a convex minimization problem given in standard form by a cost function f( x){\displaystyle f(x)} and inequality constraints g i( x)≤ 0{\displaystyle g_{i}(x)\leq 0} for 1≤ i≤ m{\displaystyle 1\leq i\leq m}.
Розглянемо проблему мінімізації опуклої форми, задану в стандартній формі функцією витрат f( x){\displaystyle f(x)} та обмеженням нерівності g i( x) ≤ 0{\displaystyle g_{i}(x)\leq 0} для 1 ≤ i ≤ m{\displaystyle 1\leqi\leq m}.

The cost function is dependent on the task(the model domain) and any a priori assumptions(the implicit properties of the model, its parameters and the observed variables).
Функція витрат залежить від задачі(предметної області моделі) та наявних апріорних припущень(неявних властивостей моделі, її параметрів, та спостережуваних змінних).

The packages provide options for integration method, step size, optimization method, unknowns and cost function, and allow for conditional execution of subsystems to speed execution and prevent numerical errors for certain domains.
Програми надають варіанти інтеграції, розмір кроку, метод оптимізації, невідомі і функцію витрат, а також дозволяють умовне виконання підсистем для прискорення виконання і запобігання численних помилок для деяких областей.

The cost function is dependent on the task(what we are trying to model) and our a priori assumptions(the implicit properties of our model, its parameters and the observed variables).
Функція витрат залежить від задачі(предметної області моделі) та наявних апріорних припущень(неявних властивостей моделі, її параметрів, та спостережуваних змінних).

In unsupervised learning we are given some data x{\displaystyle x}, and a cost function to be minimized which can be any function of x{\displaystyle x} and the network's output, f{\displaystyle f}.
У спонтанному навчанні(англ. unsupervised learning) даються якісь дані x{\displaystyle \textstyle x} та функція витрат для зведення до мінімуму, якою може бути будь-яка функція від даних x{\displaystyle \textstyle x} та виходу мережі f{\displaystyle \textstyle f}.

The cost function\textstyle C is an important concept in learning, as it is a measure of how far away a particular solution is from an optimal solution to the problem to be solved.
Функція витрат C{\displaystyle \textstyle C} є важливим поняттям у навчанні, оскільки вона є мірою того, наскільки далеким є певний розв'язок від оптимального розв'язку задачі, яку потрібно розв'язати.

In unsupervised learning, some data x{\displaystyle\textstyle x} is given and the cost function to be minimized, that can be any function of the data x{\displaystyle\textstyle x} and the network's output, f{\displaystyle\textstyle f}.
У спонтанному навчанні(англ. unsupervised learning) даються якісь дані x{\displaystyle \textstyle x} та функція витрат для зведення до мінімуму, якою може бути будь-яка функція від даних x{\displaystyle \textstyle x} та виходу мережі f{\displaystyle \textstyle f}.

While it is possible to define an ad hoc cost function, frequently a particular cost function is used, either because it has desirable properties(such as convexity) or because it arises naturally from a particular formulation of the problem(e.g., in a probabilistic formulation the posterior probability of the model can be used as an inverse cost)..
Навіть коли можливо визначити функцію витрат ad hoc, часто використовують конкретні витрати(функцію витрат), або через те, що вони мають бажані властивості(такі як опуклість), або через те, що вони природно виникають з певного формулювання задачі(наприклад, у ймовірнісному формулюванні як обернені витрати можна використовувати апостеріорну ймовірність моделі).

The different types arise from using different cost functions for measuring the divergence between V and WH and possibly by regularization of the W and/or H matrices.
Різні типи виникають із використанням різних функцій втрат для вимірювання різниці між V іWH і, можливо, із регуляризацією матриці W і/абоH.

Robustness: If the model, cost function and learning algorithm are selected appropriately, the resulting ANN can become robust.
Робастність: Якщо модель, функція витрат та алгоритм навчання обрано належним чином, то отримувана в результаті ШНМ може стати робастною.

On the basis of statistical data for three years the cost function has been built and the nature of demand for the holding products analyzed and investigated and a statistical forecast of its likely value in the forecast period carried out.
На основі статистичних даних за три роки побудовано функції витрат, досліджено та проаналізовано характер попиту на продукцію холдингу, а також зроблено статистичний прогноз щодо його ймовірного значення в прогнозованому періоді.

Thermoeconomics is based on the assumption that energy is the only rational basis for constructing a costing function.
Термоекономіка ґрунтується на припущенні, що енергія є єдиною раціональною основою для побудови функції калькуляції.