Enter a word or phrase in any language 👆
Language:
Translation and analysis of words by ChatGPT artificial intelligence
On this page you can get a detailed analysis of a word or phrase, produced by the best artificial intelligence technology to date:
- how the word is used
- frequency of use
- it is used more often in oral or written speech
- word translation options
- usage examples (several phrases with translation)
- etymology
continuous processing - translation to russian
MATHEMATICAL PRACTICE
Continuous model; Continuous Model; Continuous Modelling
continuous processing
непрерывная обработка
continuous process
PRODUCTION METHOD WITHOUT INTERRUPTION
Continuous process; Continuous industrial process
общая лексика
continuous production
непрерывный (технологический) процесс
промышленность
непрерывный процесс (производственный процесс, предполагающий изготовление одного вида продукции на протяжении долгого времени)
continuous process
PRODUCTION METHOD WITHOUT INTERRUPTION
Continuous process; Continuous industrial process
непрерывный процесс
Definition
ПРОЦЕССОР
центральное устройство (или комплекс устройств) ЭВМ (или вычислительной системы), которое выполняет арифметические и логические операции, заданные программой преобразования информации, управляет вычислительным процессом и координирует работу периферийных устройств системы (запоминающих, сортировальных, ввода - вывода, подготовки данных и др.). В вычислительной системе может быть несколько параллельно работающих процессоров; такие системы называют многопроцессорными. Наличие нескольких процессоров ускоряет выполнение одной большой или нескольких (в т. ч. взаимосвязанных) программ. Первый микропроцессор был создан в 1970-х гг. фирмой INTEL по заказу одной из японских фирм.
Wikipedia
Continuous modelling
Continuous modelling is the mathematical practice of applying a model to continuous data (data which has a potentially infinite number, and divisibility, of attributes). They often use differential equations and are converse to discrete modelling.
Modelling is generally broken down into several steps:
- Making assumptions about the data: The modeller decides what is influencing the data and what can be safely ignored.
- Making equations to fit the assumptions.
- Solving the equations.
- Verifying the results: Various statistical tests are applied to the data and the model and compared.
- If the model passes the verification progress, putting it into practice.
- If the model fails the verification progress, altering it and subjecting it again to verification; if it persists in fitting the data more poorly than a competing model, it is abandoned.
