ModelCoder中的超密时间模型

许多仿真模型中都有时间的概念，这就意味着模块间的通信和模块所执行的计算是在一个逻辑时间轴上的，这两个动作在执行时要么按顺序执行，也就是说某个动作在另外一个动作之前；要么两个同时执行(并发执行)。

ModelCoder中为了保证模型仿真的准确性，引入了时间概念一致性这一关键机制。这一机制在不涉及时间的模块与涉及时间的模块混合仿真时也必须起效。

我们将时间设计成层次化的结构，而模型的层次结构也是层次化时间管理的核心。通常，只有顶层模型的时间才能进行推进，非顶层模型则通过获取顶层模型的当前模型时间来获得当前的仿真时间。

在ModelCoder中使用了一种超密时间模型，超密时间的值是一个键值对(t,n)，我们称之为时间戳，t是模型时间，n是索引。模型时间代表事件发生的时间，索引代表在相同模型时间上发生事件的顺序。即使n1≠n2，两个时间戳(t,n1)和(t,n2)也被当做是同一时刻。我们通过一个牛顿摆来做一个简单的说明。

上图所示，是一个在细线上悬挂5个钢球的牛顿摆模型，如果抬起第一个球并释放它，它会撞击第二个球，但第二个球不会动而第五个球会上升。考虑第二个球的动量P，将它看作一个时间函数。第二个球不会移动，因此它的动量必须处处为零。但是第一个球的动量是通过第二个球转移到第五个球，所以动量不可能总是零。我们令R代表实数，令p:R->R代表第二个球的动量函数，令T表示撞击发生的时间。则我们可以得到以下式子：

对一些常量P和所有的t∈R。在时间τ的瞬间前后，球的动量都为零，但是时间τ上，球的动量和速度成正比，所以我们可以得到：

其中M是球的质量。因此，结合式1，得到式2：

物体的位移是它速度的积分：

其中x(0)是初始位移。在任意时刻t式2给出的函数的积分都为零，因此球不会移动，尽管那个瞬间球的动量不为零。

上述物理模型的主要工作是描述物理现象，但是有两个缺陷。首先，它违反了动量守恒定律的基本物理原理。在碰撞的瞬间，中间的三个球都会同时获得非零动量，所以看起来总动量是神奇地增加了。第二，该模型不能直接转换为一种离散的表示。

超密时间能解决这两个问题：

第二个球的动量可以明确的表示为一系列的样本，其中p(t,0)=0,p(t,1)=P,p(t,2)=0，t表示碰撞的时间，第三个球只有在超密时间（t,2）才有非零动量。在碰撞时，每个球最初动量为零，然后为非零，然后又变成零，所有状态瞬间完成。对于中间的三个球来说，有非零动量的事件是弱同时性的，但不是强同时性的。这样就解决了上述动量不守恒，模型不能转换成离散表示的问题。

ModelCoder中的超密时间模型相关推荐

《信息物理融合系统（CPS）设计、建模与仿真——基于 Ptolemy II 平台》——1.7　时间模型...
本节书摘来自华章出版社<信息物理融合系统(CPS)设计.建模与仿真--基于 Ptolemy II 平台>一书中的第1章,第1.7节,作者:［美］爱德华·阿什福德·李(Edward Ashf ...
DeepMind提出训练网络新方法，快速找到最佳超参数和模型
安妮编译自 DeepMind官方博客量子位出品 | 公众号 QbitAI 从围棋到雅达利游戏.再到图像识别和语言翻译,神经网络在各领域已经崭露头角. 一直被大家忽视的是,在特定领域应用神经网络是 ...
NLP中面向文本表示的模型梳理
引言语言表示是将自然语言表示为计算机或者模型能够处理的数据特征,是解决例如情感分析.命名实体识别.机器翻译.文本生成等这些高级任务的基础.本文作为NLP基础知识的入门,梳理了相关文本表征的模型与方法 ...
数据包络分析（超效率-SBM模型）附python代码
超效率-SBM模型超效率SBM python代码(部分) 这段时间差不多忙完了,终于有时间可以来经营我的博客了. 上阵子挺多人私信我,原谅我记性不好,可能没有回复全. 这篇文章是超效率的扩展. 超效 ...
清华优博论文丨物体检测中的特征构建与模型优化
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达摘要:本文针对物体检测中的环境变化多样.物体尺度变化不一.搜索空 ...
深度学习中的超参数以及两个重要的超参数——学习率和batch_size
前言在深度学习中有很多参数是我们在训练模型之前自己设定的,我们把这些参数就称为--超参数.其中主要超参数包括了:学习率.batch_size.梯度下降法循环的数量.隐藏层数目.隐藏层单元数目.激 ...
视频与图片检索中的多模态语义匹配模型 ——原理、启示、应用与展望
前言三多前笔者在<万字长文漫谈视频理解>[1]一文中,曾经将自己对视频理解的认识进行过简单总结,幸而获得了朋友们的认可,能让读者认可是笔者最为骄傲的成就.现在看来文中观点有不少纰漏狭隘之 ...
从轨迹中预训练情境时间感知的、用于用户位置预测的地点嵌入
对轨迹数据进行预训练地点嵌入能够用于用户下一个地点预测任务.现有的基于轨迹数据预训练的地点嵌入方法,将一个地点用单一的向量表达.然而在现实世界中,一个地点通常在不同的场景下扮演不同的功能.如果轨迹中的 ...
CS231n 卷积神经网络与计算机视觉 7 神经网络训练技巧汇总梯度检验参数更新超参数优化模型融合等
前面几章已经介绍了神经网络的结构.数据初始化.激活函数.损失函数等问题,现在我们该讨论如何让神经网络模型进行学习了. 1 梯度检验权重的更新梯度是否正确决定着函数是否想着正确的方向迭代,在UFLDL ...

ModelCoder中的超密时间模型

ModelCoder中的超密时间模型相关推荐

最新文章

热门文章