دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: بهینه سازی، تحقیق در عملیات. ویرایش: 1st ed. 2018 نویسندگان: Soderstrom T. سری: Communications and Control Engineering ISBN (شابک) : 9783319750002, 9783319750019 ناشر: Springer International Publishing AG سال نشر: 2018 تعداد صفحات: 495 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب روشهای خطا در متغیرها در شناسایی سیستم: مدلهای خطا در متغیرها، شناسایی سیستم، ریاضیات / عمومی، نظریه سایبرنتیک و سیستمها، مهندسی ارتباطات / مخابرات، سختافزار شبکه، احتمال و آمار، مهندسی کنترل خودکار.
در صورت تبدیل فایل کتاب Errors-in-variables methods in system identification به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب روشهای خطا در متغیرها در شناسایی سیستم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مروری بر روشهای مختلف خطا در متغیرها (EIV) که میتوانند برای شناسایی سیستم استفاده شوند، ارائه میکند. خوانندگان ویژگی های یک مسئله EIV را بررسی خواهند کرد. چنین مشکلاتی زمانی نقش مهمی ایفا می کنند که هدف، تعیین قوانین فیزیکی است که فرآیند را توصیف می کند، نه پیش بینی یا کنترل رفتار آینده آن. مشکلات EIV معمولاً زمانی رخ میدهند که هدف از مدلسازی به دست آوردن بینش فیزیکی نسبت به یک فرآیند باشد. شناسایی پارامترهای مدل برای مسائل EIV یک موضوع غیر پیش پا افتاده است و شرایط کافی برای شناسایی داده شده است. نویسنده جنبههای مختلف مدلسازی را پوشش میدهد که در کنار هم میتوانند راهحلی را پیدا کنند، از جمله توصیف ویژگیهای نویز، گسترش سیستمهای چند متغیره، و مدلهای زمان پیوسته. این کتاب راهحلهایی را پیدا میکند که متشکل از روشهایی هستند که با مجموعهای از دادههای پر سر و صدا سازگار هستند، که رویکردهای سنتی به راهحلها، مانند حداقل مربعات (کل) آنها را پیدا نمیکنند. تعدادی از روش های شناسایی برای مشکل EIV ارائه شده است. هر روش با تجزیه و تحلیل دقیق بر اساس تئوری آماری همراه است و رابطه بین روش های مختلف توضیح داده می شود. روشهای زیادی پوشش داده شدهاند، از جمله: روشهای متغیرهای ابزاری. روش های مبتنی بر جبران سوگیری؛ روش های تطبیق کوواریانس؛ و روش های خطای پیش بینی و حداکثر احتمال. این کتاب نشان میدهد که چه تعداد از روشها را میتوان در حوزه زمان یا فرکانس اعمال کرد و روشهای ویژهای را ارائه میدهد که با حالت تحریک دورهای سازگار شده است. این با فصلی به پایان می رسد که به طور خاص به جنبه های عملی و دیدگاه های کاربر اختصاص دارد که انتقال مطالب نظری را به کاربرد در سیستم های واقعی تسهیل می کند. روشهای خطا در متغیرها در شناسایی سیستم به خوانندگان امکان بازیابی دینامیک واقعی سیستم از اندازهگیریهای پر سر و صدا را میدهد، در حالی که سیستمهای معادلات بیش از حد تعیینشده را حل میکنند و آن را برای آماردانان و ریاضیدانان به طور یکسان مناسب میسازد. این کتاب همچنین به عنوان مرجعی برای محققان و مهندسان کامپیوتر به دلیل کاوش دقیق در مسائل EIV عمل می کند.
This book presents an overview of the different errors-in-variables (EIV) methods that can be used for system identification. Readers will explore the properties of an EIV problem. Such problems play an important role when the purpose is the determination of the physical laws that describe the process, rather than the prediction or control of its future behaviour. EIV problems typically occur when the purpose of the modelling is to get physical insight into a process. Identifiability of the model parameters for EIV problems is a non-trivial issue, and sufficient conditions for identifiability are given. The author covers various modelling aspects which, taken together, can find a solution, including the characterization of noise properties, extension to multivariable systems, and continuous-time models. The book finds solutions that are constituted of methods that are compatible with a set of noisy data, which traditional approaches to solutions, such as (total) least squares, do not find. A number of identification methods for the EIV problem are presented. Each method is accompanied with a detailed analysis based on statistical theory, and the relationship between the different methods is explained. A multitude of methods are covered, including: instrumental variables methods; methods based on bias-compensation; covariance matching methods; and prediction error and maximum-likelihood methods. The book shows how many of the methods can be applied in either the time or the frequency domain and provides special methods adapted to the case of periodic excitation. It concludes with a chapter specifically devoted to practical aspects and user perspectives that will facilitate the transfer of the theoretical material to application in real systems. Errors-in-Variables Methods in System Identification gives readers the possibility of recovering true system dynamics from noisy measurements, while solving over-determined systems of equations, making it suitable for statisticians and mathematicians alike. The book also acts as a reference for researchers and computer engineers because of its detailed exploration of EIV problems.