ИСТИНА

Развитие регуляризирующих методов тесно связано c более совершенным и гибким учетом используемых различных a priori ограничений. В качестве такой a priori информации можно брать как положительность самой функции на заданных интервалах, так и ее производной первого или больших порядков, так и комбинацию данных условий. Базовую теорию и численную реализацию данных методов можно найти в работе, развития данного подхода можно найти в работах. В то же время, данная методика имеет ряд ограничений, затрудняющий применение его к многомерным и нелинейным задачам. Предлагается модификация данного метода с учетом байесовского формализма, что, с одной стороны, придает регуляризирующие свойства, с другой, позволяет эффективно расширить данный метод на многомерный и нелинейный случай.