DRS

기술

사람들은 실험 및 생산 중에 2 차원 또는 2 차원 이상의 관련 데이터를 많이 얻습니다. 이러한 데이터는 데이터 변동 규제를 반영한 ​​수학적 모델이되기 위해 데이터 처리가 필요한 현실의 문제를 해결하는 데 도움이 될 것입니다. 최소 제곱 법의 적용은 선형 회귀 만 할 수 있지만 비선형 문제에 대해서는 메커니즘 모델의 선형화 처리를 가정 한 절차를 통해 수학적 관계 표현, 즉 메커니즘 모델을 구성한 다음 회귀 모델링 계산을 수행해야합니다. 재귀 모델의 일부 관련 데이터는 좋지만 현실 데이터는 변경 가능하며 일부는 메커니즘 모델을 추론합니다. 선형 프로세스 후 회귀 모델의 상관 특성이 좋지 않으며 일부 관련 데이터는 메커니즘 모델에서 추론 할 수도 없습니다. 수학적 모델을 구축하는 것은 훨씬 더 어렵습니다. Least Cubic Method는 Least Square Method Data Regression이 관련 데이터의 회귀에서 만난 문제를 해결합니다. 컴퓨터는 실험, 설계, 생산에 널리 사용되고 적용되기 때문에 최소 입 방법 이론을 기반으로 한 회귀 계산을 현실화합니다. 사람들은 회귀 선형화 처리를 통해 메커니즘 모델을 더 잘 처리 할 수있을뿐만 아니라 메커니즘 모델을 추론 할 수없는 관련 데이터에 건전한 수학적 모델을 제공 할 수도 있습니다.