- •Моделирование как метод исследования сложных систем связи и управления. Общие подходы.
- •Способы исследования реальных объектов:
- •Натурный эксперимент
- •Математическое моделирование
- •Имитационное моделирование
- •Классификация моделей
- •Этапы моделирования
- •Построение модели системы. Математическое моделирование. Имитационное моделирование.
- •Иерархия моделей. Адекватность и сложность модели. Иерархия моделей
- •Адекватность модели
- •Пример имитационной модели фильтра нижних частот.
- •Элементы цепи:
- •Как работает фильтр нижних частот (фнч): (не уверен)
- •Пример имитационной модели информационной системы.
- •Моделирование дискретных случайных величин.
- •Формирование дискретной случайной величины с равновероятным распределением
- •Формирование дискретной случайной величины с не равновероятным распределением
- •Формирование дискретной случайной величины с не равновероятным распределением и с числом значений больше 2
- •Моделирование непрерывных случайных величин с равномерным распределением.
- •Моделирование непрерывных случайных величин с гауссовским распределением.
- •Моделирование случайных векторов с независимыми компонентами
- •Моделирование гауссовского случайного вектора с заданными средним и корреляционной матрицей.
- •Модели каналов связи
- •Помехи в информационных системах.
- •Модели случайных процессов. Постоянный процесс. Винеровский процесс. Процессы авторегрессии различных порядков.
- •Идентификация модели авторегрессии на примере процесса авторегрессии 1-го порядка
- •Общая постановка задачи фильтрации в информационных системах. Нерекуррентная и рекуррентная фильтрация.
- •Фильтр Калмана и его свойства. Принцип предсказания и коррекции.
- •Вычислительная сложность алгоритма обработки сигналов в информационных системах. Функция сложности алгоритма.
- •Вычислительная сложность
- •Функция сложности алгоритма
- •Методы снижения сложности алгоритмов
- •Алгоритмы экспоненциальной и полиноминальной сложности. Порядок сложности алгоритмов.
- •Методы анализа сложности алгоритма. Непосредственный подсчет. Рекуррентная формула для асимптотической сложности. Оценка асимптотической сложности по рекуррентной формуле.
- •Анализ вычислительной сложности перемножения матриц и векторов
- •Методы снижения сложности алгоритмов.
- •Перемножение комплексных матриц и векторов
- •Перемножение двух комплексных матрицы
- •Метод Штрассена быстрого умножения матриц и его асимптотическая сложность.
- •Методы быстрого умножения комплексных чисел, векторов и матриц. Метод 3м.
Метод Штрассена быстрого умножения матриц и его асимптотическая сложность.
Метод Штрассена — это алгоритм для умножения квадратных матриц, предложенный Фолькером Штрассеном в 1969 году. Он основан на рекурсивном подходе и позволяет снизить вычислительную сложность по сравнению с классическим методом. (Ниже рисунок как дополнение)
Методы быстрого умножения комплексных чисел, векторов и матриц. Метод 3м.
Задача – сократить кол-во таких операций. Если для выполнение этих операций используется процессор без аппаратного умножения, то время операций умножения в разы больше, чем время операций сложения. Задача упрощение сводится к задаче сокращения кол-ва операций умножения
3 умножения получилось и 5 сложений. В данных условиях время выполнение сократилось на 25% .Если применяются современные процессоры с аппаратным умножителем, то метод 3М увеличивает трудоёмкость
Метод трех умножений (3M) — это эффективный алгоритм для умножения комплексных чисел, который позволяет сократить количество операций умножения.
Если в процессоре нет аппаратного умножителя, то применение метода 3М выгодно.
Теперь, рассмотрим задачу умножения векторов и матриц, предполагая, что в процессоре имеется аппаратный умножитель. Т.е., мы полагаем, что время выполнения операций умножения и сложения одинаковы.
