ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Introduction to Random Signals, Estimation Theory, and Kalman Filtering

دانلود کتاب مقدمه ای بر سیگنال های تصادفی، تئوری تخمین و فیلتر کالمن

Introduction to Random Signals, Estimation Theory, and Kalman Filtering

مشخصات کتاب

Introduction to Random Signals, Estimation Theory, and Kalman Filtering

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9789819980635, 9789819980628 
ناشر: Springer Nature Singapore 
سال نشر: 2024 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 41 مگابایت 

قیمت کتاب (تومان) : 61,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Introduction to Random Signals, Estimation Theory, and Kalman Filtering 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 مقدمه ای بر سیگنال های تصادفی، تئوری تخمین و فیلتر کالمن 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.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Cover
Front Matter
1. Review of Probability Theory
2. Random Variables
3. Random Signals
4. Linear System Response to Random Inputs
5. Estimation and Estimator Properties
6. Least-Squares Estimation
7. The Likelihood Function and Signal Detection
8. Maximum-Likelihood Estimation
9. Minimum Mean-Square Error Estimation
10. Generalizing the Basic Discrete Kalman Filter
11. Prediction and Smoothing
12. Nonlinear Filtering
13. The Expectation Maximization Algorithm
14. Hidden Markov Models
Back Matter




نظرات کاربران