مشخصات کتاب
Optimal signal processing under uncertainty
دسته بندی: احتمال
ویرایش:
نویسندگان: Dougherty. Edward R
سری:
ISBN (شابک) : 9781510619296, 1510619305
ناشر: SPIE Press
سال نشر: 2018
تعداد صفحات: 310
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
قیمت کتاب (تومان) : 49,000
کلمات کلیدی مربوط به کتاب پردازش سیگنال بهینه در شرایط عدم قطعیت: پردازش سیگنال -- ریاضیات، بهینه سازی ریاضی.
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 14
در صورت تبدیل فایل کتاب Optimal signal processing under uncertainty 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 پردازش سیگنال بهینه در شرایط عدم قطعیت 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 در مورد کتاب پردازش سیگنال بهینه در شرایط عدم قطعیت
"طراحی عملگرهای بهینه بسته به فرآیند تصادفی که مدل علمی را
تشکیل میدهد و کلاس عملگر مورد علاقه، اشکال مختلفی دارد. در همه
موارد، کلاس اپراتور و فرآیند تصادفی باید در یک معیار (تابع
هزینه) که هدف عملیاتی را مشخص میکند، متحد شوند. و نسبت به تابع
هزینه، یک عملگر بهینه پیدا شد. یک مشکل رایج عدم قطعیت در
پارامترهای مدل علمی
است. سپس، علاوه بر بهینه سازی
نسبت به تابع هزینه اصلی، بهینهسازی باید عدم قطعیت را نسبت به
یک کلاس عدم قطعیت از فرآیندهای تصادفی در نظر بگیرد. اگر توزیع
قبلی (یا توزیع پسینی در صورت استفاده از دادهها) وجود داشته
باشد که بر احتمال در کلاس عدم قطعیت حاکم است، میتوان عملگر را
انتخاب کرد که مقدار را به حداقل میرساند. هزینه مورد انتظار بیش
از کلاس عدم قطعیت یک نکته مهم این است که توزیع قبلی بر روی
پارامترهای مدل اپراتور نیست، بلکه در عدم قطعیت نسبت به
پارامترهای مدل علمی است. اصل اساسی ارائه شده در کتاب بیان عملگر
بهینه تحت فضای احتمال مشترک تشکیل شده از عدم قطعیت داخلی و
خارجی مشترک به همان شکل عملگر بهینه برای یک مدل شناخته شده با
جایگزینی ساختارهای ریاضی تشکیل دهنده عملگر بهینه استاندارد با
متناظر است. ساختارهایی که ویژگیهای مؤثر نامیده میشوند، که عدم
قطعیت مدل را در خود جای میدهند. به عنوان مثال، در فیلتر وینر،
ممکن است طیف توان نامشخص باشد و با طیف توان موثر در نمایش فیلتر
وینر جایگزین شود\"-- بیشتر
بخوانید.. .
چکیده:
در رویکرد کلاسیک به فیلترینگ بهینه، فرض بر این است که مدل
تصادفی فرآیند فیزیکی کاملاً شناخته شده است. با مدلهای
نامطمئن، راهحل طبیعی بهینهسازی بر روی هر دو هدف اصلی و عدم قطعیت مدل است،
در نتیجه به عملگرهای قوی بهینه، موضوع این کتاب
میرسیم. بیشتر بخوانید...
توضیحاتی درمورد کتاب به خارجی
"The design of optimal operators takes different forms
depending on the random process constituting the scientific
model and the operator class of interest. In all cases,
operator class and random process must be united in a criterion
(cost function) that characterizes the operational objective
and, relative to the cost function, an optimal operator found.
A common difficulty is uncertainty in the parameters of the
scientific model.
Then, in addition to optimization relative to the original cost
function, optimization must take into account uncertainty
relative to an uncertainty class of random processes. If there
is a prior distribution (or posterior distribution if data are
employed) governing likelihood in the uncertainty class, then
one can choose an operator minimizing the expected cost over
the uncertainty class. A critical point is that the prior
distribution is not on the parameters of the operator model,
but on the uncertainty relative to the parameters of the
scientific model. The basic principle embodied in the book is
to express the optimal operator under the joint probability
space formed from the joint internal and external uncertainty
in the same form as the optimal operator for a known model by
replacing the mathematical structures forming the standard
optimal operator with corresponding structures, called
effective characteristics, that incorporate model uncertainty.
For instance, in Wiener filtering the power spectra might be
uncertain and be replaced by effective power spectra in the
representation of the Wiener filter"-- Read
more...
Abstract:
In the classical approach to optimal filtering, it is assumed
that the stochastic model of the physical process is fully
known. With uncertain models, the natural solution is to
optimize over both the original objective and
the model uncertainty, thereby arriving at optimal robust
operators, the topic of this book. Read more...
فهرست مطالب
Copyright......Page 5
Contents......Page 8
Preface......Page 12
Acknowledgments......Page 18
1 Random Functions......Page 20
2 Canonical Expansions......Page 42
3 Optimal Filtering......Page 70
4 Optimal Robust Filtering......Page 112
5 Optimal Experimental Design......Page 168
6 Optimal Classification......Page 216
7 Optimal Clustering......Page 268
References......Page 290
Index......Page 304
About the Author......Page 309
نظرات کاربران