ლოგისტიკური განტოლების წარმოშობა
ჰამინგის S-მრუდს აქვს ზუსტი მათემატიკური წარმოშობა. დაიწყეთ ტექნოლოგიის აღმოფხვრის შესახებ ორი დაკვირვებით:
1. აღმოფხვრის სიჩქარე აჩქარდება მიმდინარე აღმოფხვრის გამო (პირიდან პირზე, ქსელის ეფექტები): dP/dt ∝ P
2. აღმოფხვრის სიჩქარე ანელდება ბაზრის გაჯერების დროს: dP/dt ∝ (1 − P)
შეუთავსეთ: dP/dt = r · P · (1 − P)
ეს არის ლოგისტიკური დიფერენციალური განტოლება. ის განცალკევებული: ნაწილობრივი წილადი დაშლა საშუალებას იძლევა პირდაპირი ინტეგრაცია.
წარმოშობა
განცალკევეთ ცვლადები: dP / [P(1−P)] = r dt
ნაწილობრივი წილადები: 1/[P(1−P)] = 1/P + 1/(1−P)
ინტეგრირეთ ორივე მხარე: ln(P) − ln(1−P) = rt + C
ln[P/(1−P)] = rt + C
P/(1−P) = e^(rt+C) = e^C · e^(rt)
მოდით K = e^C. ამოხსენით P: P = K·e^(rt) / (1 + K·e^(rt))
ეკვივალენტურად: P(t) = 1 / (1 + e^(−r(t − t₀)))
სადაც t₀ = (ln K)/r არის გადახრის წერტილი.
გადახრის წერტილი
t = t₀-ზე: P = 0.5. მეორე წარმოებული d²P/dt² = 0: ზრდის სიჩქარე მაქსიმალური. t₀-მდე: ზემოთ ჩახრილი (აჩქარება). t₀-ის შემდეგ: ქვემოთ ჩახრილი (შენელება).
ლოგისტიკის მორგება მონაცემებზე
მოცემული ლოგისტიკური მრუდის ორი მონაცემი, შეგიძლიათ ამოხსნათ როგორც r, ასევე t₀.
ინტერნეტის აღმოფხვრა: P(1995) = 0.01 (აშ.შ.-ის საოჯახო მეურნეობის 1%), P(2005) = 0.70 (70%).
ქსელის მნიშვნელობა გეომეტრიული დათვლის სახით
ჰამინგმა აღნიშნა, რომ აპლიკაციები უფრო მეტ აღმოფხვრას ამოძრავებდნენ, ვიდრე აპარატურა ან პროგრამული უზრუნველყოფა. ქსელზე დამოკიდებული აპლიკაციები მოიცავს განსაკუთრებულ ზრდის მოდელს: მათი მნიშვნელობა სწრაფად იზრდება, ვიდრე მათი ღირებულება.
მეტკალფის კანონი
n მომხმარებელი სთან ქსელის მნიშვნელობა პროპორციულია მომხმარებელთა შორის შესაძლო კავშირების რაოდენობის:
V(n) = k · n(n−1)/2 ≈ k · n²/2 (დიდი n-ისთვის)
სადაც k არის ერთი კავშირის მნიშვნელობა. ქსელის ღირებულება: C(n) ∝ n (დაახლოებით წრფივი მომხმარებელთა რაოდენობის მიხედვით).
მნიშვნელობა-ღირებულების თანაფარდობა: V/C ∝ n²/n = n. როდესაც n იზრდება, თანაფარდობა წრფივად იზრდება. 10-ჯერ უფრო მეტი მომხმარებელი მქონე ქსელი მხოლოდ 10-ჯერ უფრო მეტი ღირებულების ხარჯზე ღვალი 100-ჯერ უფრო მეტ მნიშვნელობას მოჰკლიდა.
გეომეტრიული სურათი
n კვანძით, სრული გრაფიკის K_n კიდეების რაოდენობა C(n,2) = n(n−1)/2. ეს არის კომბინატორული ფორმულა: აირჩიეთ 2 კვანძი n-დან. n=10-ისთვის: C(10,2)=45. n=100-ისთვის: C(100,2)=4950. n=1000-ისთვის: C(1000,2)=499,500.
S-მრუდი და მეტკალფის კანონი ურთიერთქმედებენ: ფაზა 2 სწრაფი აღმოფხვრის დროს, n სწრაფად იზრდება, V(n) იზრდება როგორც n². მნიშვნელობის გადახრა ხდება აღმოფხვრის გადახრის წინ — მნიშვნელობა აჩქარდება აღმოფხვრის წინ, უფრო მეტი აღმოფხვრის ათაბრის დადებითი უკუკავშირი.
ქსელის მნიშვნელობა სხვადსხვა აღმოფხვრის დონეზე
ელფოსტის აღმოფხვრა: 1985 წელს (n=100,000 მომხმარებელი), k = $0.01 კავშირი-წელიწადში. 1995 წელს (n=30,000,000 მომხმარებელი).
ოპტიმიზაცია გეომეტრიის სახით
ჰამინგის ბოინგის ლენტის ამბავი აღწერს ოპტიმიზაციის წარუმატებლობას ზუსტი გეომეტრიული მნიშვნელობით. ფუნქციის f(x) ოპტიმიზაცია ლანდშაფტზე მოითხოვს:
1. კარგად განსაზღვრული ფუნქცია f: ობიექტივი (დრაგი, ღირებულება, დრო-ბაზარზე)
2. ფიქსირებული ლანდშაფტი: f შეფასებული იმავე მდგომარეობით ყოველ ჯერზე
3. გრადიენტი: ყველაზე ციცაბო გაუმჯობესების მიმართულება
როდესაც ლანდშაფტი იცვლება გაზომვებს შორის, გრადიენტი, რომელიც ჯერ იფასებთ, შეიძლება მიუთითოს მიმართულებაზე, რომელიც აღარ არსებობს მეორე ნაბიჯის მიღებისას. თქვენ გამოთვალეთ gradient(f₁), მაგრამ ნაბიჯი ლანდშაფტში f₂.
გრადიენტული დაღმართი
სტანდარტული გრადიენტული დაღმართი: x_{t+1} = x_t − α ∇f(x_t)
სადაც α = ნაბიჯის ზომა (სწავლის სიჩქარე), ∇f = გრადიენტის ვექტორი (ნაწილობრივი წარმოებულები).
ბოინგის წარუმატებლობა: დროს t, გუნდი იზომის f(x_t). დროს t+1, გუნდი იცვლის x x_t + Δx-ზე. მაგრამ საერთო ბაზა ასევე შეიცვალა: f ახლა f' ≠ f. დაკვირვებული ცვლილება: f'(x_t + Δx) − f(x_t). ეს არ არის f-ის გრადიენტი — ის მოიცავს ტერმინს ლანდშაფტის გადაწევიდან.
ფანტომური გრადიენტი
გაზომილი ცვლილება = [f'(x+Δx) − f(x)] = [f(x+Δx) − f(x)] + [f'(x+Δx) − f(x+Δx)]
= ჭეშმარიტი გრადიენტი × Δx + ლანდშაფტის გადაწევა
თუ ლანდშაფტის გადაწევა დომინირებს: გუნდი მოძრაობს f'-ში მინიმუმისკენ, რომელიც f-ში მაქსიმუმი. ისინი ოპტიმიზირებენ არასწორ რამეს — შესაძლოა თავიანთი დიზაინი უარესი გაკეთდეს, როდესაც გაზომვები აჩვენებენ გაუმჯობესებას.
ფანტომური გრადიენტის შეცდომის რაოდენობრივი განსაზღვრა
გუნდი ოპტიმიზირებს დრაგს f(θ, s) სადაც θ = ფრთის კუთხე, s = span. ჭეშმარიტი გრადიენტი: ∂f/∂θ = −0.5 (დრაგი მცირდება θ-თან), ∂f/∂s = +0.3 (დრაგი იზრდება s-თან).
მეორე გუნდი ერთდროულად ამცირებს ფიუზელაჟის წონას, რომელიც ცვლის დრაგის ფუნქციას: f' = f − 0.8. (მსუბუქი ფიუზელაჟი ამცირებს დრაგს 0.8 ერთეულით ყველა კონფიგურაციაში.)
პირველი გუნდი გაზომის: f'(θ+Δθ, s) − f(θ, s) = [f(θ+Δθ, s) − 0.8] − f(θ, s) = −0.5·Δθ − 0.8.