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: موجک و پردازش سیگنال ویرایش: 1 نویسندگان: K. David Elworthy, Yves Le Jan, Xue-Mei Li (auth.) سری: Frontiers in Mathematics ISBN (شابک) : 3034601751, 9783034601764 ناشر: Birkhäuser Basel سال نشر: 2010 تعداد صفحات: 182 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 هندسه فیلتر: تجزیه و تحلیل جهانی و تجزیه و تحلیل در منیفولدها، هندسه دیفرانسیل، نظریه احتمال و فرآیندهای تصادفی
در صورت تبدیل فایل کتاب The Geometry of 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 هندسه فیلتر 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 علم تعیین قانون یک فرآیند با مشاهده جزئی از آن است. اشیاء اصلی که ما در اینجا مطالعه می کنیم، فرآیندهای توزیع هستند. اینها به طور طبیعی با عملگرهای متفاوت خطی مرتبه دوم مرتبط هستند که نیمه بیضوی هستند و بنابراین ساختار ریمانی احتمالاً منحط را در فضای حالت معرفی می کنند. در واقع، بسیاری از آنچه که ما بحث می کنیم، صرفاً در مورد دو عملگر از این دست است که توسط یک نقشه صاف در هم تنیده شده اند، \"طرح از فضای حالت به فضای مشاهدات\"، و شامل هیچ تحلیل تصادفی نمی شود. از نقطه نظر فرآیندهای تصادفی. هدف ما ارائه و مطالعه ساختار هندسی زیربنایی است که به ما اجازه می دهد تا در یک چارچوب مارکویی با قانون شرطی حاصل از فرآیند مارکوف که به طور کلی زمان ناهمگن است، حروف را انجام دهیم. این هندسه با نماد عملگر در فضای حالت که به نمادی در فضای مشاهده نمایش داده می شود. نماد قابل پرتاب یک اتصال (احتمالا غیر خطی و تا حدی مشخص) ایجاد می کند که فرآیند مشاهده را به فضای حالت می برد و تجزیه عملگر را در فضای مشاهده می دهد. همانطور که استاندارد است، میتوانیم نظریه کلاسیک ltering را که در آن مشاهدات معمولاً مارکوین نیستند، با استفاده از قضیه گیرسانوف-مارویاما-کامرون-مارتین بازیابی کنیم. این ساختاری که ما داریم در رابطه با تعدادی از موضوعات هندسی بررسی شده است.
Filtering is the science of nding the law of a process given a partial observation of it. The main objects we study here are di usion processes. These are naturally associated with second-order linear di erential operators which are semi-elliptic and so introduce a possibly degenerate Riemannian structure on the state space. In fact, much of what we discuss is simply about two such operators intertwined by a smooth map, the \projection from the state space to the observations space", and does not involve any stochastic analysis. From the point of view of stochastic processes, our purpose is to present and to study the underlying geometric structure which allows us to perform the ltering in a Markovian framework with the resulting conditional law being that of a Markov process which is time inhomogeneous in general. This geometry is determined by the symbol of the operator on the state space which projects to a symbol on the observation space. The projectible symbol induces a (possibly non-linear and partially de ned) connection which lifts the observation process to the state space and gives a decomposition of the operator on the state space and of the noise. As is standard we can recover the classical ltering theory in which the observations are not usually Markovian by application of the Girsanov- Maruyama-Cameron-Martin Theorem. This structure we have is examined in relation to a number of geometrical topics.
Front Matter....Pages i-xi
Diffusion Operators....Pages 1-10
Decomposition of Diffusion Operators....Pages 11-32
Equivariant Diffusions on Principal Bundles....Pages 33-59
Projectible Diffusion Processes and Markovian Filtering....Pages 61-86
Filtering with non-Markovian Observations....Pages 87-99
The Commutation Property....Pages 101-114
Example: Riemannian Submersions and Symmetric Spaces....Pages 115-120
Example: Stochastic Flows....Pages 121-133
Appendices....Pages 135-158
Back Matter....Pages 159-169