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
ویرایش: [1 ed.]
نویسندگان: Michel Verhaegen. Vincent Verdult
سری:
ISBN (شابک) : 1107405025, 9781107405028
ناشر: Cambridge University Press
سال نشر: 2012
تعداد صفحات:
زبان: English
فرمت فایل : 7Z (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Filtering and System Identification: A Least Squares Approach (Complete Instructor Resources with Solution Manual, Solutions) 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 فیلتر کردن و شناسایی سیستم: رویکرد حداقل مربعات (منابع کامل مربی با راه حل، راه حل ها) 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.
فیلتر کردن و شناسایی سیستم تکنیک های قدرتمندی برای ساخت مدل های سیستم های پیچیده هستند. این کتاب در سال 2007 طراحی روشهای عددی قابل اعتماد برای بازیابی اطلاعات از دست رفته در مدلهای مشتقشده با استفاده از این تکنیکها را مورد بحث قرار میدهد. تاکید بر رویکرد حداقل مربعات به عنوان مدل خطی فضای حالت است و مشکلات افزایش پیچیدگی در این چارچوب تجزیه و تحلیل و حل میشوند، که با فیلتر کالمن شروع میشود و با تخمین یک مدل کامل، آمار نویز و تخمینگر حالت خاتمه مییابد. مستقیما از داده ها موضوعات پس زمینه کلیدی، از جمله جبر ماتریس خطی و نظریه سیستم خطی، پوشش داده شده است، به دنبال روش های مختلف تخمین و شناسایی در مدل فضای حالت. این کتاب با تمرینهای پایان فصل، شبیهسازیهای متلب و تصاویر متعدد، مورد توجه دانشجویان و محققان رشتههای مهندسی برق، مکانیک و هوافضا قرار میگیرد. برای تمرینکنندگان نیز مفید است. منابع اضافی برای این عنوان، از جمله راه حل برای مدرسان، به صورت آنلاین در www.cambridge.org/9780521875127 موجود است.
Filtering and system identification are powerful techniques for building models of complex systems. This 2007 book discusses the design of reliable numerical methods to retrieve missing information in models derived using these techniques. Emphasis is on the least squares approach as applied to the linear state-space model, and problems of increasing complexity are analyzed and solved within this framework, starting with the Kalman filter and concluding with the estimation of a full model, noise statistics and state estimator directly from the data. Key background topics, including linear matrix algebra and linear system theory, are covered, followed by different estimation and identification methods in the state-space model. With end-of-chapter exercises, MATLAB simulations and numerous illustrations, this book will appeal to graduate students and researchers in electrical, mechanical and aerospace engineering. It is also useful for practitioners. Additional resources for this title, including solutions for instructors, are available online at www.cambridge.org/9780521875127.