Логистическая функция или логистическая кривая представляет общую S-образной кривой ( сигмовидной кривой ) с уравнением
где
- , значение средней точки сигмовидной кишки;
- - максимальное значение кривой;
- , скорость логистического роста или крутизна кривой. [1]
Для значений в области действительных чисел от до получена S-образная кривая, показанная справа, с графиком приближения по мере приближения и приближения к нулю по мере приближения .
Логистическая функция находит применения в ряде областей, включая биологию (особенно экологию ), биоматематику , химию , демографию , экономику , геонауки , математическую психологию , вероятность , социологию , политологию , лингвистику , статистику и искусственные нейронные сети . Обобщение логистической функции является hyperbolastic функции типа I .
История [ править ]
Логистическая функция была представлена в серии из трех статей Пьером Франсуа Ферхюльстом в период с 1838 по 1847 год, который разработал ее как модель роста населения путем корректировки модели экспоненциального роста под руководством Адольфа Кетле . [2] Ферхюльст впервые разработал функцию в середине 1830-х годов, опубликовав краткую заметку в 1838 году, [1] затем представил расширенный анализ и назвал функцию в 1844 году (опубликовано в 1845 году); [a] [3] третий документ скорректировал поправочный член в своей модели роста населения Бельгии. [4]
Начальная стадия роста примерно экспоненциальная (геометрическая); затем, когда начинается насыщение, рост замедляется до линейного (арифметического), а по достижении зрелости рост прекращается. Ферхюльст не объяснил выбор термина «логистический» (фр. Logistique ), но он предположительно отличается от логарифмической кривой [5] [b] и по аналогии с арифметикой и геометрической. Его модель рост предшествует обсуждение арифметического роста и геометрического рост (чей кривым он называет логарифмическую кривым , а современный термином экспоненциальными кривым ), и , таким образом , «логистический рост», предположительно , назван по аналогии, логистическое существо изДревнегреческий : λογῐστῐκός , латинизированный : logistikós , традиционный раздел греческой математики . [c] Этот термин не имеет отношения к военному и управленческому термину « логистика» , который вместо французского : logis «жилье», хотя некоторые считают, что греческий термин также повлиял на логистику ; подробнее см. раздел «Логистика» .
Математические свойства [ править ]
Стандартная логистическая функция является логистическая функция с параметрами , , , что дает
На практике, из-за природы экспоненциальной функции , часто бывает достаточно вычислить стандартную логистическую функцию для небольшого диапазона действительных чисел, такого как диапазон, содержащийся в [−6, +6], поскольку он быстро сходится очень быстро. близко к его значениям насыщения 0 и 1.
Логистическая функция обладает свойством симметрии, что
Таким образом, это нечетная функция .
Логистическая функция - это функция смещения и масштабированного гиперболического тангенса :
или же
Это следует из
Производная [ править ]
Стандартная логистическая функция имеет легко вычисляемую производную . Производная называется логистическим распределением :
Интегральный [ править ]
И наоборот, его первообразная может быть вычислена путем подстановки , так как , так (отбрасывая константу интегрирования )
В искусственных нейронных сетей , это известно как Softplus функции и (с масштабированием) является гладкой аппроксимацией функции рампы , так же , как логистической функции (с масштабированием) гладкая аппроксимация ступенчатой функции Хевисайда .
Логистическое дифференциальное уравнение [ править ]
Стандартная логистическая функция - это решение простого нелинейного обыкновенного дифференциального уравнения первого порядка
с граничным условием . Это уравнение представляет собой непрерывную версию логистической карты . Обратите внимание, что обратная логистическая функция является решением простого линейного обыкновенного дифференциального уравнения первого порядка . [6]
Качественное поведение легко понять в терминах фазовой линии : производная равна 0, когда функция равна 1; а производная положительна для значений от 0 до 1 и отрицательна для значений более 1 или менее 0 (хотя отрицательные совокупности обычно не согласуются с физической моделью). Это приводит к неустойчивому равновесию при 0 и устойчивому равновесию при 1, и, таким образом, для любого значения функции больше 0 и меньше 1 оно возрастает до 1.
Логистическое уравнение является частным случаем дифференциального уравнения Бернулли и имеет следующее решение:
Выбор постоянной интеграции дает другую хорошо известную форму определения логистической кривой:
Более количественно, как видно из аналитического решения, логистическая кривая показывает ранний экспоненциальный рост для отрицательного аргумента, который замедляется до линейного роста с наклоном 1/4 для аргумента, близкого к 0, затем приближается к 1 с экспоненциально убывающим зазором.
Логистическая функция является обратной функцией натурального логита и поэтому может использоваться для преобразования логарифма шансов в вероятность . В математической записи логистическая функция иногда записывается как expit [7] в той же форме, что и logit . Преобразование из логарифмического отношения правдоподобия двух альтернатив также принимает форму логистической кривой.
Полученное выше дифференциальное уравнение является частным случаем общего дифференциального уравнения, которое моделирует только сигмовидную функцию для . Во многих приложениях для моделирования используется более общая форма [8]
может быть желательно. Ее решение - смещенная и масштабированная сигмовидная кишка .
Отношение гиперболического тангенса приводит к другой форме производной логистической функции:
который связывает логистическую функцию с логистическим распределением .
Вращательная симметрия относительно (0, 1/2) [ править ]
Сумма логистической функции и ее отражения относительно вертикальной оси , равна
Таким образом, логистическая функция осесимметрична относительно точки (0, 1/2). [9]
Приложения [ править ]
Линк [10] создал расширение теории последовательного анализа Вальда для накопления случайных величин без распределения до тех пор, пока сначала не сравняется или не будет превышена положительная или отрицательная граница. Ссылка [11] выводит вероятность первого достижения или превышения положительной границы как логистическая функция. Это первое доказательство того, что логистическая функция может иметь в основе стохастический процесс. Ссылка [12] предоставляет столетие примеров «логистических» экспериментальных результатов и недавно выведенное соотношение между этой вероятностью и временем поглощения на границах.
В экологии: моделирование роста населения [ править ]
Типичное применение логистического уравнения - это общая модель роста населения (см. Также динамику населения ), первоначально созданную Пьером-Франсуа Ферхюльстом в 1838 году, где скорость воспроизводства пропорциональна как существующему населению, так и количеству доступных ресурсов. при прочих равных. Уравнение Ферхюльста было опубликовано после того, как Ферхюльст прочитал « Очерк принципа народонаселения» Томаса Мальтуса , в котором описывается мальтузианская модель роста простого (неограниченного) экспоненциального роста. Ферхюльст вывел свое логистическое уравнение для описания самоограничивающегося роста биологической популяции. Уравнение было переоткрыто в 1911 г.А.Г. Маккендрику за рост бактерий в бульоне и экспериментальные испытания с использованием метода нелинейной оценки параметров. [13] Уравнение также иногда называют уравнением Ферхульста-Перла после его повторного открытия в 1920 году Раймондом Перлом (1879–1940) и Лоуэллом Ридом (1888–1966) из Университета Джона Хопкинса . [14] Другой ученый, Альфред Дж. Лотка, снова вывел это уравнение в 1925 году, назвав его законом роста населения .
Если обозначить размер популяции ( часто используется в экологии) и время, эта модель формализуется дифференциальным уравнением :
где константа определяет скорость роста, а - пропускная способность .
В уравнении ранний, беспрепятственный темп роста моделируется первым членом . Величина ставки представляет собой пропорциональный прирост населения за одну единицу времени. Позже, по мере роста населения, модуль второго члена (который при умножении равен ) становится почти таким же большим, как и первый, поскольку некоторые члены населения мешают друг другу, конкурируя за какой-то критический ресурс, такой как еда или жилое пространство. . Этот антагонистический эффект называется узким местом и моделируется значением параметра . Конкуренция снижает совокупные темпы роста до тех пор, пока ценность не перестанет расти (это называется зрелостьюнаселения). Решение уравнения (с начальным населением):
где
Другими словами, это предельное значение : наивысшего значения, которого может достичь популяция за бесконечное время (или близко к достижению за конечное время). Важно подчеркнуть, что несущая способность достигается асимптотически независимо от начального значения , а также в том случае, если это .
В экологии видов иногда называют -strategist или -strategist в зависимости от селективных процессов, которые сформировали их истории жизни стратегии. Выбор переменных размеров таким образом, чтобы численность населения измерялась в единицах несущей способности, а время измерялось в единицах , дает безразмерное дифференциальное уравнение r {\displaystyle r} K {\displaystyle K}
Пропускная способность, изменяющаяся во времени [ править ]
Поскольку условия окружающей среды влияют на несущую способность, она может изменяться во времени , что приводит к следующей математической модели:
Особенно важным случаем является пропускная способность, которая периодически меняется в зависимости от периода :
Можно показать [ цитата ], что в таком случае, независимо от начального значения , будет стремиться к единственному периодическому решению с периодом .
Типичное значение составляет один год: в таком случае может отражаться периодическое изменение погодных условий.
Еще одно интересное обобщение состоит в том, чтобы учесть, что пропускная способность является функцией популяции в более раннее время, фиксируя задержку в том, как популяция изменяет свою среду. Это приводит к уравнению логистической задержки [15], которое имеет очень богатое поведение, с бистабильностью в некотором диапазоне параметров, а также монотонным спадом до нуля, плавным экспоненциальным ростом, прерывистым неограниченным ростом (то есть множественными S-образными формами), прерывистый рост или переход к стационарному уровню, колебательный подход к стационарному уровню, устойчивые колебания, сингулярности за конечное время, а также за конечное время смерти.
В статистике и машинном обучении [ править ]
Логистические функции используются в статистике в нескольких ролях. Например, они являются кумулятивной функцией распределения в логистическом семействе распределений , и они, немного упрощено, используется для моделирования шанс шахматист должен бить свой противник в рейтинговой системе Эла . Теперь следуют более конкретные примеры.
Логистическая регрессия [ править ]
Логистические функции используются в логистической регрессии для моделирования того, как на вероятность события могут повлиять одна или несколько независимых переменных : примером может служить модель.
где - объясняющая переменная, и - параметры модели, которые необходимо подогнать, - стандартная логистическая функция.
Логистическая регрессия и другие лог-линейные модели также широко используются в машинном обучении . Обобщением логистической функции на несколько входов является функция активации softmax , используемая в полиномиальной логистической регрессии .
Еще одно применение логистической функции - это модель Раша , используемая в теории отклика товара . В частности, модель Раша формирует основу для оценки максимального правдоподобия местоположения объектов или людей в континууме на основе наборов категориальных данных, например способностей людей в континууме на основе ответов, которые были классифицированы как правильные и правильные. неверно.
Нейронные сети [ править ]
Логистические функции часто используются в нейронных сетях для внесения нелинейности в модель или для ограничения сигналов в пределах заданного интервала . Популярный элемент нейронной сети вычисляет линейную комбинацию своих входных сигналов и применяет ограниченную логистическую функцию в качестве функции активации к результату; эту модель можно рассматривать как «сглаженный» вариант классического порогового нейрона .
Обычный выбор для функций активации или «сжатия», используемых для отсечения больших величин, чтобы ограничить отклик нейронной сети [16], является
что является логистической функцией.
Эти отношения приводят к упрощенной реализации искусственных нейронных сетей с искусственными нейронами . Практики предупреждают, что сигмоидальные функции, которые антисимметричны относительно начала координат (например, гиперболический тангенс ), приводят к более быстрой сходимости при обучении сетей с обратным распространением . [17]
Логистическая функция сама по себе является производной от другой предлагаемой функции активации - softplus .
В медицине: моделирование роста опухолей [ править ]
Еще одно применение логистической кривой - медицина, где логистическое дифференциальное уравнение используется для моделирования роста опухолей. Это приложение можно рассматривать как расширение вышеупомянутого использования в рамках экологии (см. Также Обобщенную логистическую кривую , учитывающую больше параметров). Обозначая размер опухоли во времени , ее динамика определяется
который относится к типу
где - скорость разрастания опухоли.
Если химиотерапия начинается с эффекта логарифмического уничтожения, уравнение может быть изменено на
где - коэффициент смертности от терапии. В идеализированном случае очень длительной терапии, можно смоделировать как периодическую функцию (периода ) или (в случае непрерывной инфузионной терапии) как постоянную функцию, и мы получаем, что
т. е. если средний уровень смертности, вызванной терапией, выше, чем исходный уровень распространения, то это означает искоренение болезни. Конечно, это слишком упрощенная модель как роста, так и терапии (например, она не принимает во внимание феномен клональной резистентности).
В медицине: моделирование пандемии [ править ]
Новый инфекционный патоген, к которому у населения нет иммунитета, обычно будет распространяться экспоненциально на ранних стадиях, в то время как количество восприимчивых людей в изобилии. Вирус SARS-CoV-2, вызывающий COVID-19, демонстрировал экспоненциальный рост на ранних этапах инфицирования в нескольких странах в начале 2020 года. [18] Многие факторы, начиная от отсутствия восприимчивых людей (либо из-за продолжающегося распространения инфекции, пока она не пройдет). порог коллективного иммунитета или снижение доступности восприимчивых за счет мер физического дистанцирования), экспоненциально выглядящие эпидемические кривые могут сначала линеаризоваться (воспроизводя «логарифмический» переход к «логистическому», впервые отмеченный Пьером-Франсуа Верхюльстом, как указано выше), а затем достичь максимального предела. [19]
Логистическая функция или связанные с ней функции (например, функция Гомперца ) обычно используются в описательной или феноменологической манере, потому что они хорошо подходят не только для раннего экспоненциального роста, но и для возможного выравнивания пандемии по мере того, как у населения развивается коллективный иммунитет. . Это контрастирует с реальными моделями пандемий, которые пытаются сформулировать описание, основанное на динамике пандемии (например, частота контактов, время инкубации, социальное дистанцирование и т. Д.). Однако было разработано несколько простых моделей, которые дают логистическое решение. [20] [21] [22]
Обобщенная логистическая функция , которая также называется Ричардс кривой роста, широко используется при моделировании COVID-19 инфекции траектории. [23] Траектория заражения представляет собой данные ежедневного временного ряда для совокупного числа инфицированных случаев для такого субъекта, как страна, город, штат и т. Д. В литературе есть варианты перенараметрирования: одна из часто используемых форм -
где - действительные числа, а - положительное действительное число. Гибкость кривой обусловлена параметром : (i) если тогда кривая сводится к логистической функции, и (ii) если сходится к нулю, то кривая сходится к функции Гомперца . В эпидемиологических моделях, , и представляют окончательный размер эпидемии, уровень инфекции, и отставание фазы, соответственно. Примерную траекторию заражения см. На правой панели, если они обозначены значком .
Одним из преимуществ использования функции роста, такой как обобщенная логистическая функция, в эпидемиологическом моделировании, является ее относительно простое расширение до многоуровневой модели за счет использования функции роста для описания траекторий заражения от нескольких субъектов (стран, городов, штатов и т. Д.). Такую структуру моделирования можно также широко назвать нелинейной моделью смешанных эффектов или иерархической нелинейной моделью. См. Рисунок выше. Примером использования обобщенной логистической функции в байесовской многоуровневой модели является байесовская иерархическая модель Ричардса .
В химии: модели реакций [ править ]
Концентрация реагентов и продуктов в автокаталитических реакциях соответствует логистической функции. Деградация катализатора реакции восстановления кислорода (ORR), не содержащего металлов платиновой группы (без МПГ), в катодах топливных элементов следует за функцией логистического распада [24], предполагая механизм автокаталитического разложения.
В физике: распределение Ферми – Дирака [ править ]
Логистическая функция определяет статистическое распределение фермионов по энергетическим состояниям системы в тепловом равновесии. В частности, это распределение вероятностей того, что каждый возможный энергетический уровень занят фермионом, согласно статистике Ферми – Дирака .
В материаловедении: фазовые диаграммы [ править ]
См. Раздел " Диффузионное связывание" .
В лингвистике: изменение языка [ править ]
В лингвистике логистическая функция может использоваться для моделирования языковых изменений : [25] нововведение, которое сначала является маргинальным, начинает распространяться быстрее со временем, а затем медленнее по мере того, как оно становится более универсальным.
В сельском хозяйстве: моделирование реакции сельскохозяйственных культур [ править ]
Логистическая S-образная кривая может использоваться для моделирования реакции сельскохозяйственных культур на изменения факторов роста. Есть два типа функций отклика: положительные и отрицательные кривые роста. Например, урожайность сельскохозяйственных культур может увеличиваться с увеличением значения фактора роста до определенного уровня (положительная функция) или может уменьшаться с увеличением значений фактора роста (отрицательная функция из-за отрицательного фактора роста), что требует перевернутого S-образная кривая.
В экономике и социологии: распространение инноваций [ править ]
Логистическая функция может использоваться для иллюстрации процесса распространения инновации на протяжении ее жизненного цикла.
В «Законах подражания» (1890) Габриэль Тард описывает возникновение и распространение новых идей через цепочки подражания . В частности, Тард выделяет три основных этапа распространения инноваций: первый соответствует сложным начинаниям, в течение которых идея должна бороться во враждебной среде, полной противоположных привычек и убеждений; второй соответствует экспоненциальному взлету идеи с ; наконец, третья стадия - логарифмическая, с и соответствует времени, когда импульс идеи постепенно замедляется и одновременно появляются новые идеи оппонента. Возникающая в результате ситуация останавливает или стабилизирует прогресс инновации, которая приближается к асимптоте.
В суверенном государстве субнациональные единицы (составляющие государства или города) могут использовать ссуды для финансирования своих проектов. Однако этот источник финансирования обычно подчиняется строгим правовым нормам, а также ограничениям нехватки экономики , особенно тем ресурсам, которые банки могут ссудить (из-за их собственного капитала или лимитов Базеля ). Эти ограничения, которые представляют собой уровень насыщения, наряду с экспоненциальным ростом экономической конкуренции за деньги, создают диффузию кредитных требований из государственных финансов, и совокупный национальный ответ представляет собой сигмовидную кривую . [28]
В истории экономики, когда появляются новые продукты, проводятся интенсивные исследования и разработки, которые приводят к значительному повышению качества и снижению затрат. Это приводит к периоду быстрого роста отрасли. Некоторые из наиболее известных примеров: железные дороги, лампы накаливания, электрификация , автомобили и авиаперелеты. В конце концов, возможности кардинального улучшения и снижения затрат исчерпаны, продукт или процесс широко используются с небольшим оставшимся потенциальным новым потребителем, и рынки становятся насыщенными.
Логистический анализ использовался в статьях нескольких исследователей Международного института прикладного системного анализа ( IIASA ). Эти документы касаются распространения различных инноваций, инфраструктуры и замены источников энергии, а также роли труда в экономике, а также длительного экономического цикла. Длинные экономические циклы исследовал Роберт Эйрес (1989). [29] Чезаре Маркетти опубликовал статьи о длительных экономических циклах и распространении инноваций. [30] [31] Книга Арнульфа Грюблера (1990) дает подробный отчет о распространении инфраструктуры, включая каналы, железные дороги, автомагистрали и авиалинии, показывая, что их распространение следовало кривым логистической формы. [32]
Карлота Перес использовала логистическую кривую, чтобы проиллюстрировать длинный ( Кондратьев ) деловой цикл следующими ярлыками: начало технологической эры как вторжение , восхождение как безумие , быстрое развитие как синергия и завершение как зрелость . [33]
См. Также [ править ]
- Экспоненциальный рост
- Гиперболический рост
- Распространение инноваций
- Обобщенная логистическая функция
- Кривая Гомперца
- Ступенчатая функция Хевисайда
- Кривая Хабберта
- Логистическая дистрибуция
- Логистическая карта
- Логистическая регрессия
- Логистическая модель плавной передачи
- Logit
- Отношение логарифма правдоподобия
- Мальтузианская модель роста
- Динамика населения
- теория выбора р / к
- Сдвинутое распределение Гомперца
- Переломный момент (социология)
- Выпрямитель (нейронные сети)
- Перекрестная жидкость
- Уравнение Хилла (биохимия)
- Уравнение Михаэлиса – Ментен
Заметки [ править ]
- ↑ Статья была представлена в 1844 году и опубликована в 1845 году: «(Lu à la séance du 30 novembre 1844)». «(Прочтите на заседании 30 ноября 1844 г.)», с. 1.
- ^ Ферхюльст сначала обращается к арифметической прогрессии и геометрической прогрессии и относится к геометрической кривой роста как к логарифмической кривой (что сбивает с толку, современный термин вместо этого - экспоненциальная кривая, которая является обратной). Затем он называет свою кривую логистической , в отличие от логарифмической , и сравнивает логарифмическую кривую и логистическую кривую на рисунке в своей статье.
- ^ В Древней Греции, λογῐστῐκός называют практического вычисления и учета, в отличие от ἀριθμητική ( arithmētikḗ ), теоретическое или философское исследование чисел. Что сбивает с толку, в английском языке арифметика относится к практическим вычислениям, хотя она происходит от ἀριθμητική , а не от λογῐστῐκός . См., Например, Луи Чарльз Карпинский , Никомах Герасийский: Введение в арифметику (1926), стр. 3: «Современные читатели, особенно ученые и математики, в основном связывают арифметику с искусством вычислений. Для древних греков после ПифагораОднако арифметика была прежде всего философским исследованием, не имевшим необходимой связи с практическими делами. Действительно, греки дали отдельное название арифметике бизнеса, λογιστική [бухгалтерский учет или практическая логистика] ... В целом философы и математики Греции, несомненно, считали ниже своего достоинства трактовать эту отрасль, которая, вероятно, составляла часть элементарное обучение детей ".
Ссылки [ править ]
- ^ a b Verhulst, Пьер-Франсуа (1838). "Notice sur la loi que la population poursuit dans son accroissement" (PDF) . Соответствие Mathématique et Physique . 10 : 113–121 . Проверено 3 декабря 2014 .
- Перейти ↑ Cramer 2002 , pp. 3–5.
- ^ Verhulst, Пьер-Франсуа (1845). "Recherches mathématiques sur la loi d'accroissement de la Population" [Математические исследования закона увеличения роста населения]. Nouveaux Mémoires de l'Académie Royale des Sciences et Belles-Lettres de Bruxelles . 18 : 8 . Проверено 18 февраля 2013 года .
Nous donnerons le nom de
logistique
à la Courbe [Мы дадим
кривой
название
логистический
]
- ↑ Verhulst, Пьер-Франсуа (1847). "Deuxième mémoire sur la loi d'accroissement de la Population" . Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique . 20 : 1–32 . Проверено 18 февраля 2013 года .
- ^ Шульман, Бонни (1998). «Живая математика! Использование первоисточников для обучения математике в социальном контексте» . ПРИМУС . 8 (март): 1–14. DOI : 10.1080 / 10511979808965879 .
Диаграмма убедила меня в этом: две кривые, обозначенные как «Логистика» и «Логарифмический», нарисованы на одних и тех же осях, и можно видеть, что есть область, где они почти точно совпадают, а затем расходятся.
Я пришел к выводу, что намерение Ферхюльста при названии кривой действительно состояло в том, чтобы предложить это сравнение, и что «логистический» имел в виду передать «логарифмическое» качество кривой.
- ^ Kocian, Александр; Кармасси, Джулия; Села, Фатьон; Incrocci, Лука; Милаццо, Паоло; Чесса, Стефано (7 июня 2020 г.). «Байесовское прогнозирование временных рядов сигмовидного типа с отсутствующими данными для тепличных культур» . Датчики . 20 (11): 3246. DOI : 10,3390 / s20113246 . PMC 7309099 . PMID 32517314 .
- ^ expit документация для пакета R clusterPower .
- ^ Kyurkchiev, Николай и Святослав Марков. «Сигмовидные функции: некоторые аспекты аппроксимации и моделирования». LAP LAMBERT Academic Publishing, Саарбрюккен (2015).
- ^ Рауль Рохас. Нейронные сети - систематическое введение (PDF) . Проверено 15 октября +2016 .
- ^ SW Link, Psychometrika, 1975, 40, 1, 77-105
- ^ SW Link, внимание и производительность VII, 1978, 619-630
- ^ SW Link, Волновая теория различия и подобия (книга), Тейлор и Фрэнсис, 1992
- ^ AG McKendricka; М. Кесава Паиа1 (январь 1912 г.). "XLV. - Скорость размножения микроорганизмов: математическое исследование" . Труды Королевского общества Эдинбурга . 31 : 649–653. DOI : 10.1017 / S0370164600025426 .
- ↑ Раймонд Перл и Лоуэлл Рид (июнь 1920 г.). «О темпах роста населения США» (PDF) . Труды Национальной академии наук Соединенных Штатов Америки . 6 (6). п. 275.
- ^ Юкалы, В.И.; Юкалова Е.П .; Сорнетт, Д. (2009). «Прерывистая эволюция из-за задержки несущей способности». Physica D: нелинейные явления . 238 (17): 1752–1767. arXiv : 0901.4714 . Bibcode : 2009PhyD..238.1752Y . DOI : 10.1016 / j.physd.2009.05.011 . S2CID 14456352 .
- ^ Гершенфельд 1999, стр. 150.
- ^ LeCun, Y .; Bottou, L .; Orr, G .; Мюллер, К. (1998). Orr, G .; Мюллер, К. (ред.). Эффективный BackProp (PDF) . Нейронные сети: хитрости торговли . Springer. ISBN 3-540-65311-2.
- ^ Worldometer: COVID-19 ПАНДЕМИЯ КОРОНАВИРУСА
- ↑ Вильялобос-Ариас, Марио (2020). «Использование обобщенной логистической регрессии для прогнозирования населения, инфицированного Covid-19». arXiv : 2004.02406 [ q-bio.PE ].
- ↑ Постников, Евгений Б. (июнь 2020 г.). «Оценка динамики COVID-19« на обратной стороне конверта »: дает ли простейшая модель SIR количественные параметры и прогнозы?» . Хаос, солитоны и фракталы . 135 : 109841. DOI : 10.1016 / j.chaos.2020.109841 . PMC 7252058 . PMID 32501369 .
- ^ Сайто, Takesi (июнь 2020). «Логистическая кривая в модели SIR и ее применение к смертям от COVID-19 в Японии» . MedRxiv . DOI : 10.1101 / 2020.06.25.20139865 . S2CID 220068969 . Проверено 20 июля 2020 .
- ^ Райзер, Пол А. (2020). «Модифицированная модель SIR, дающая логистическое решение». arXiv : 2006.01550 [ q-bio.PE ].
- ↑ Ли, Се Юн; Лей, Боуэн; Маллик, Бани (2020). «Оценка кривых распространения COVID-19 с учетом глобальных данных и информации о заимствованиях» . PLOS ONE . 15 (7): e0236860. arXiv : 2005.00662 . Bibcode : 2020PLoSO..1536860L . DOI : 10.1371 / journal.pone.0236860 . PMC 7390340 . PMID 32726361 .
- ^ Инь, Си; Зеленай, Петр (13 июля 2018 г.). "Кинетические модели механизмов деградации катализаторов ORR без МПГ" . Транзакции ECS . 85 (13): 1239–1250. DOI : 10.1149 / 08513.1239ecst . ОСТИ 1471365 .
- ^ Бод, Hay, Jennedy (ред.) 2003, стр. 147-156
- ^ Сбор данных по урожайности и глубине уровня грунтовых вод разных авторов. В сети: [1]
- ^ Сбор данных по растениеводству и засолению почв разных авторов. В сети: [2]
- ^ Rocha, Leno S .; Роча, Фредерико С.А.; Соуза, Thársis TP (5 октября 2017 г.). «Является ли государственный сектор вашей страны диффузным заемщиком? Эмпирические данные из Бразилии» . PLOS ONE . 12 (10): e0185257. arXiv : 1604.07782 . Bibcode : 2017PLoSO..1285257R . DOI : 10.1371 / journal.pone.0185257 . ISSN 1932-6203 . PMC 5628819 . PMID 28981532 .
- ^ Эйрес, Роберт (1989). «Технологические преобразования и длинные волны» (PDF) . Cite journal requires
|journal=
(help) - ^ Маркетти, Чезаре (1996). "Широко распространенные длинные волны: общество циклотимично" (PDF) . Архивировано 5 марта 2012 года из оригинального (PDF) . Cite journal requires
|journal=
(help) - ^ Маркетти, Чезаре (1988). «Возвращение к Кондратьеву - после одного цикла» (PDF) . Cite journal requires
|journal=
(help) - ^ Grübler, Арнульф (1990). Взлет и падение инфраструктуры: динамика развития и технологических изменений на транспорте (PDF) . Гейдельберг и Нью-Йорк: Physica-Verlag.
- ^ Перес, Карлотта (2002). Технологические революции и финансовый капитал: динамика пузырей и золотых веков . Великобритания: Эдвард Элгар Паблишинг Лимитед. ISBN 1-84376-331-1.
- Крамер, JS (2002). Истоки логистической регрессии (PDF) (Технический отчет). 119 . Институт Тинбергена. С. 167–178. DOI : 10.2139 / ssrn.360300 .
- Опубликовано как: Cramer, JS (2004). «Ранние истоки логит-модели». Исследования по истории и философии науки Часть C: Исследования по истории и философии биологических и биомедицинских наук . 35 (4): 613–626. DOI : 10.1016 / j.shpsc.2004.09.003 .
- Яннеди, Стефани; Бод, Ренс; Хэй, Дженнифер (2003). Вероятностная лингвистика . Кембридж, Массачусетс: MIT Press. ISBN 0-262-52338-8.
- Гершенфельд, Нил А. (1999). Природа математического моделирования . Кембридж, Великобритания: Издательство Кембриджского университета. ISBN 978-0-521-57095-4.
- Кингсленд, Шарон Э. (1995). Моделирование природы: эпизоды истории популяционной экологии . Чикаго: Издательство Чикагского университета. ISBN 0-226-43728-0.
- Вайсштейн, Эрик В. «Логистическое уравнение» . MathWorld .
Внешние ссылки [ править ]
Викискладе есть медиафайлы, связанные с логистическими функциями . |
- LJ Linacre, Почему логистическая оживляющая, а не автокаталитическая кривая? , дата обращения 12 сентября 2009 г.
- https://web.archive.org/web/20060914155939/http://luna.cas.usf.edu/~mbrannic/files/regression/Logistic.html
- Вайсштейн, Эрик В. "Сигмовидная функция" . MathWorld .
- Онлайн-эксперименты с JSXGraph
- Эссес повсюду.
- Видеть s-образную кривую - это все.
- Ограниченный логарифмический рост с введением