This HTML5 document contains 67 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

Prefix	IRI
dcterms	http://purl.org/dc/terms/
yago-res	http://yago-knowledge.org/resource/
dbo	http://dbpedia.org/ontology/
foaf	http://xmlns.com/foaf/0.1/
dbpedia-hu	http://hu.dbpedia.org/resource/
n20	https://global.dbpedia.org/id/
dbt	http://dbpedia.org/resource/Template:
dbpedia-uk	http://uk.dbpedia.org/resource/
rdfs	http://www.w3.org/2000/01/rdf-schema#
freebase	http://rdf.freebase.com/ns/
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
owl	http://www.w3.org/2002/07/owl#
wikipedia-en	http://en.wikipedia.org/wiki/
dbpedia-zh	http://zh.dbpedia.org/resource/
dbp	http://dbpedia.org/property/
dbc	http://dbpedia.org/resource/Category:
dbpedia-bg	http://bg.dbpedia.org/resource/
prov	http://www.w3.org/ns/prov#
xsdh	http://www.w3.org/2001/XMLSchema#
wikidata	http://www.wikidata.org/entity/
dbr	http://dbpedia.org/resource/

Statements

Subject Item

dbr:Grey_box_model

rdfs:label

Grey box model 灰箱模型 Модель Сірий ящик

rdfs:comment

В області математичного, статистичного та комп'ютерного моделювання, модель сірий ящик поєднує в собі часткову теоретичну структуру з даними для завершення моделі. Теоретична структура може варіюватись від інформації щодо гладкості результату до моделей, які потребують лише значення параметрів з даних чи існуючої літератури. Таким чином, майже всі моделі є моделями типу "сірий ящик", на відміну від чорного ящика, де немає типової форми - тобто коли ми не знаємо про модель нічого, крім вхідних та вихідних даних в експерименті (і різні системи можуть мати однакову поведінку), або моделі білого ящика, яка носить чисто теоретичний характер. Деякі моделі передбачають спеціальну форму, такі як лінійна регресія або нейронної мережі. Вони мають спеціальні методи аналізу. Зокрема, лінійна регрес 灰箱模型（Gray box）或概念模型（conceptual model），指那些内部规律尚不十分清楚，在建立和改善模型方面都还不同程度地有许多工作要做的问题。通常采用演绎方法或专家知识，确定模型类别、结构，然后用归纳法计算模型参数。如气象学、生态学、经济学等领域的模型。 在水利学上，结合流域观测数据和试验数据，根据物理过程为基础建立起来的模型，握力基础的结构和方程可能是经验或半经验方程。由于物理意义不是很明确，参数和变量很难通过实测数据获得。经常需要模拟（simulate），（verification），验证（validation）评估（evaluate）。通常概念模型是。 In mathematics, statistics, and computational modelling, a grey box model combines a partial theoretical structure with data to complete the model. The theoretical structure may vary from information on the smoothness of results, to models that need only parameter values from data or existing literature. Thus, almost all models are grey box models as opposed to black box where no model form is assumed or white box models that are purely theoretical. Some models assume a special form such as a linear regression or neural network. These have special analysis methods. In particular linear regression techniques are much more efficient than most non-linear techniques. The model can be deterministic or stochastic (i.e. containing random components) depending on its planned use.

dcterms:subject

dbc:Mathematical_theorems dbc:Mathematical_modeling

dbo:wikiPageID

39516424

dbo:wikiPageRevisionID

1017274915

dbo:wikiPageWikiLink

dbr:Scientific_modelling dbr:System_dynamics dbr:Non-linear_least_squares dbr:Research_design dbr:Mathematical_optimization dbr:Deterministic dbr:Statistics dbr:Simulated_annealing dbr:Genetic_algorithms dbr:Eigenvectors dbr:Simulation dbr:Model_selection dbr:Model_inversion dbr:System_realization dbr:Mathematics dbr:Bootstrap_aggregating dbr:Evolutionary_algorithms dbc:Mathematical_theorems dbr:Non-linear_system dbr:Linear_regression dbr:Black_box dbr:Nonlinear_system_identification dbc:Mathematical_modeling dbr:Stochastic dbr:Cross-validation_(statistics) dbr:Chi-squared_distribution dbr:Mathematical_model dbr:Grey_box_testing dbr:White_box_(software_engineering) dbr:Computer_simulation dbr:Design_matrix dbr:Systems_theory dbr:Neural_network dbr:Computational_modelling dbr:Statistical_model dbr:Computer_experiment dbr:Design_of_experiments dbr:System_identification dbr:Parameter_estimation

owl:sameAs

wikidata:Q17019321 yago-res:Grey_box_model dbpedia-uk:Модель_Сірий_ящик freebase:m.0y645zq dbpedia-hu:Szürkedobozmodell dbpedia-zh:灰箱模型 dbpedia-bg:Модел_на_сивата_кутия n20:fqxe

dbp:wikiPageUsesTemplate

dbt:Short_description dbt:Cmn dbt:Portal dbt:Reflist

dbo:abstract

In mathematics, statistics, and computational modelling, a grey box model combines a partial theoretical structure with data to complete the model. The theoretical structure may vary from information on the smoothness of results, to models that need only parameter values from data or existing literature. Thus, almost all models are grey box models as opposed to black box where no model form is assumed or white box models that are purely theoretical. Some models assume a special form such as a linear regression or neural network. These have special analysis methods. In particular linear regression techniques are much more efficient than most non-linear techniques. The model can be deterministic or stochastic (i.e. containing random components) depending on its planned use. В області математичного, статистичного та комп'ютерного моделювання, модель сірий ящик поєднує в собі часткову теоретичну структуру з даними для завершення моделі. Теоретична структура може варіюватись від інформації щодо гладкості результату до моделей, які потребують лише значення параметрів з даних чи існуючої літератури. Таким чином, майже всі моделі є моделями типу "сірий ящик", на відміну від чорного ящика, де немає типової форми - тобто коли ми не знаємо про модель нічого, крім вхідних та вихідних даних в експерименті (і різні системи можуть мати однакову поведінку), або моделі білого ящика, яка носить чисто теоретичний характер. Деякі моделі передбачають спеціальну форму, такі як лінійна регресія або нейронної мережі. Вони мають спеціальні методи аналізу. Зокрема, лінійна регресія є набагато більш ефективна, ніж більшість нелінійних методів. Моделі можуть бути детермінованими або стохастичними (тобто містять випадкові компоненти) в залежності від цілі їх використання. 灰箱模型（Gray box）或概念模型（conceptual model），指那些内部规律尚不十分清楚，在建立和改善模型方面都还不同程度地有许多工作要做的问题。通常采用演绎方法或专家知识，确定模型类别、结构，然后用归纳法计算模型参数。如气象学、生态学、经济学等领域的模型。 在水利学上，结合流域观测数据和试验数据，根据物理过程为基础建立起来的模型，握力基础的结构和方程可能是经验或半经验方程。由于物理意义不是很明确，参数和变量很难通过实测数据获得。经常需要模拟（simulate），（verification），验证（validation）评估（evaluate）。通常概念模型是。

prov:wasDerivedFrom

wikipedia-en:Grey_box_model?oldid=1017274915&ns=0

dbo:wikiPageLength

13508

foaf:isPrimaryTopicOf

wikipedia-en:Grey_box_model