“殘差”造句，怎麼用殘差造句

這些觀測器的殘差被用於子系統的故障檢測。

介紹了計算加速方法，包括隱式殘差光順和全多重網格方法；

提出一種殘差超複數偶對分解的多光譜和全*影象融合方法。

在波動方程有限差分數值模擬基礎上，用波形記錄殘差平方並建立目標函式。

由於OLS是用於最小化殘差平方和，當有變數被從模型中捨棄時，SSR必定上升。

使用範例下面的例子求解了一個線*方程Ax =b，矩陣規模為3 *3,最後算出了殘差的正規化。

該演算法在維納濾波基礎上，利用線*預測（LPC）技術得到預測殘差訊號，再對其做自相關（ACF）和平均幅度差（AMDF），得到基音的檢測結果。

該模型求解時，首先通過引入代理函式將原問題解耦為殘差的加權範數最小化和加權範數TV去噪這兩個子問題；

極限情況下，當混疊十分嚴重時，相對於理想低通濾波器，用維納濾波器進行亞象素*值能將預測殘差均方和減少一半。

開發的算平均值，殘差，標準偏差，和總不確定度。

在較弱的條件下，得到了較小的殘差集。

本文基於辨識ARMA新息模型生成估計殘差序列，再對殘差序列的平均值和無偏方差進行假設檢驗，可實現工序質量的異常診斷。

在已確定模型的前提下，存在誤差的主要原因是取樣資料間隔太大且不均勻導致擬合殘差增大。

所採用的正常高殘差擬合方法，既顧及了似大地水準面模型的幾何特*，又顧及了其物理特*。

該方法通過建立等維新息殘差修正GM預測模型，實現了航跡的實時線上預測，從而提高了預測精度。

該方法運用代數變換進行干擾解耦，設計一個降階未知輸入觀測器使殘差對未知輸入不敏感，而對故障敏感，通過一個簡單閾值邏輯來檢測故障。

絕對值大的學生化去除殘差被認為是大的。

從而可以消除異常的測量資料帶來的影響，使濾波器的殘差始終保持零均值，且使估計誤差的協方差陣收斂，最終實現最優估計。

本文以上*綜指收益率資料為研究物件，通過擬合GARCH模型得到模型殘差序列，進而研究新息和收益率的厚尾行為。

接著構造了一個故障觀測器，產生了系統故障的指示器殘差。

根據失效節點和觀測粗差對殘差影響的差異，提出分步處理的方法。

實踐*，三至五次多項式就能產生足夠小的殘差和單調遞增的導數。