DRS

Beschreibung

Menschen erhalten während der Experimente und der Produktion viele verwandte Daten von zwei oder mehr als zwei Dimensionen. Diese Daten werden ihnen helfen, Probleme der Realität im Gegenteil zu lösen, die eine Datenverarbeitung erfordern, damit sie zu einem mathematischen Modell werden, das die Regulierung der Datenvariation widerspiegelt. Die Anwendung der Least-Square-Methode kann nur eine lineare Regression durchführen, aber für die nichtlinearen Probleme muss ein verwandter mathematischer Beziehungsausdruck konstruiert werden, nämlich ein Mechanismusmodell durch ein Verfahren, das voraussetzt, dass eine Linearisierungsverarbeitung des Mechanismusmodells durchgeführt wird und dann eine Regressionsmodellierungsberechnung durchgeführt wird. Einige verwandte Daten der rekursiven Modelle sind gut, aber die Daten der Realität sind veränderbar, andere leiten Mechanismenmodelle ab. Nach dem linearen Prozess ist die Korrelationseigenschaft des Regressionsmodells nicht gut, und einige zugehörige Daten können im Mechanismusmodell nicht einmal abgeleitet werden. Es ist noch schwieriger, mathematisch-mathematische Modelle zu erstellen. Die Least Cubic-Methode löst Probleme, die bei der Regression der zugehörigen Daten bei der Least Square Method-Datenregression aufgetreten sind. Da die Computer in Experiment, Design und Produktion weit verbreitet sind und angewendet werden, wird die Regressionsberechnung auf der Grundlage der Theorie der am wenigsten kubischen Methode in die Realität umgesetzt. Menschen können nicht nur das Mechanismusmodell durch die Regressionslinearisierungsverarbeitung besser verarbeiten, sondern auch den zugehörigen Daten ein solides mathematisches Modell geben, aus dem keine Mechanismusmodelle abgeleitet werden können.