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
نویسندگان: Rudolph Kulhavy
سری: Lecture Notes in Control and Information Sciences
ISBN (شابک) : 3540760636, 9783540760634
ناشر: Springer
سال نشر: 1996
تعداد صفحات: 237
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Recursive Nonlinear Estimation: A Geometric Approach 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 تخمین غیرخطی بازگشتی: یک رویکرد هندسی 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.
در قیاس نزدیک به داده های تطبیق در فضای اقلیدسی، این تک نگاری تخمین پارامتر را به عنوان تطبیق توزیع تجربی داده ها با توزیع مبتنی بر مدل می بیند. این کتاب با استفاده از هندسه فیثاغورثی جذاب توزیع های تجربی و مدل، راه حل جدیدی برای مسئله تخمین بازگشتی مدل های غیر گاوسی و غیرخطی ارائه می دهد که می تواند به عنوان یک تقریب خاص از تخمین بیزی در نظر گرفته شود. موارد مشاهدات مستقل و سیستم های دینامیکی کنترل شده به صورت موازی در نظر گرفته می شوند. مورد اول بینش اولیه را در مورد دومی که مورد علاقه اصلی جامعه کنترل است ارائه می دهد. تعدادی از مثال ها مفاهیم کلیدی و ابزارهای مورد استفاده را نشان می دهند. این تک نگاری منحصر به فرد برخی از نتایج قبلی در مورد نظریه تخمین فیثاغورث در ادبیات را دنبال می کند (به عنوان مثال، چنتسوف، سیزار و آماری) اما نتایج را به سیستم های دینامیکی کنترل شده گسترش می دهد.
In a close analogy to matching data in Euclidean space, this monograph views parameter estimation as matching of the empirical distribution of data with a model-based distribution. Using an appealing Pythagorean-like geometry of the empirical and model distributions, the book brings a new solution to the problem of recursive estimation of non-Gaussian and nonlinear models which can be regarded as a specific approximation of Bayesian estimation. The cases of independent observations and controlled dynamic systems are considered in parallel; the former case giving initial insight into the latter case which is of primary interest to the control community. A number of examples illustrate the key concepts and tools used. This unique monograph follows some previous results on the Pythagorean theory of estimation in the literature (e.g., Chentsov, Csiszar and Amari) but extends the results to the case of controlled dynamic systems.