幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

系統辨識--迭代搜索原理與辨識方法/系統辨識學術專著叢書

  • 作者：丁鋒
  • 出版社：科學
  • ISBN：9787030584526
  • 出版日期：2018/08/01
  • 裝幀：平裝
  • 頁數：417
人民幣：RMB 165 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    丁鋒著的《系統辨識——迭代搜索原理與辨識方法》是《系統辨識學術專著叢書》的第5分冊，是作者在清華大學、江南大學教學和科研創新經驗的結晶，彙集了作者及其合作者在迭代辨識方面的一些最新研究成果。
    本書介紹了線性系統、線性參數系統、輸入非線性系統的迭代辨識方法，主要涉及梯度迭代辨識方法、最小二乘迭代辨識方法、多新息梯度迭代辨識方法、多新息最小二乘迭代辨識方法等。本書不僅傳授知識，而且還傳授科學研究與創新的新思想和新方法。特別是提出了一系列值得學者們深入研究的辨識課題，為進一步研究指明方向。
    書中Matlab模擬例子源程序為初學者快速上手提供了學習藍本。本書可作為高等院校高年級本科生、碩士和博士研究生「系統辨識」教材及有志者攀登科學高峰的科研用書，也可供自動控制、電氣自動化類及相關電類專業高校教師和科技人員選用。
作者介紹
丁鋒
目錄
系統辨識學術專著叢書
序
前言
主要符號說明
第1章  迭代辨識導引
  1.1  引言
  1.2  最小二乘原理
    1.2.1  長度測量問題
    1.2.2  線性參數擬合
    1.2.3  最小二乘估計
  1.3  梯度搜索原理
    1.3.1  簡單迭代演算法
    1.3.2  梯度搜索原理
  1.4  牛頓搜索原理
    1.4.1  牛頓方法求方程的根
    1.4.2  牛頓方法求函數極值
    1.4.3  牛頓方法的幾何解釋
    1.4.4  Gauss-Newton迭代方法
    1.4.5  Levenberg-Marquardt方法
  1.5  線性回歸系統的辨識方法
    1.5.1  隨機梯度辨識方法
    1.5.2  遞推梯度辨識方法
    1.5.3  最小二乘辨識演算法
    1.5.4  辨識演算法的計算量
    1.5.5  遞推最小二乘演算法
    1.5.6  梯度迭代辨識演算法
    1.5.7  多新息梯度迭代演算法
    1.5.8  變間隔梯度迭代辨識方法
    1.5.9  變間隔多新息梯度迭代演算法
  1.6  有限脈衝響應滑動平均系統的增廣辨識方法
    1.6.1  增廣隨機梯度辨識方法
    1.6.2  遞推增廣梯度辨識方法
    1.6.3  遞推增廣最小二乘演算法
    1.6.4  增廣梯度迭代辨識演算法
    1.6.5  增廣最小二乘迭代方法
    1.6.6  多新息增廣梯度迭代演算法
    1.6.7  多新息增廣最小二乘迭代演算法
  1.7  小結與思考題
第2章  方程誤差類系統
  2.1  引言
  2.2  方程誤差系統
    2.2.1  梯度迭代辨識演算法
    2.2.2  多新息梯度迭代演算法
  2.3  方程誤差滑動平均系統
    2.3.1  增廣梯度迭代辨識演算法
    2.3.2  增廣最小二乘迭代演算法
    2.3.3  多新息增廣梯度迭代方法
    2.3.4  多新息增廣最小二乘迭代演算法
    2.3.5  模擬例子
  2.4  方程誤差自回歸系統

    2.4.1  廣義梯度迭代辨識演算法
    2.4.2  廣義最小二乘迭代演算法
    2.4.3  多新息廣義梯度迭代演算法
    2.4.4  多新息廣義最小二乘迭代演算法
  2.5  方程誤差自回歸滑動平均系統
    2.5.1  廣義增廣梯度迭代辨識演算法
    2.5.2  廣義增廣最小二乘迭代演算法
    2.5.3  多新息廣義增廣梯度迭代演算法
    2.5.4  多新息廣義增廣最小二乘迭代演算法
  2.6  小結與思考題
第3章  輸出誤差類系統
  3.1  引言
  3.2  輸出誤差系統
    3.2.1  輔助模型梯度迭代演算法
    3.2.2  輔助模型最小二乘迭代演算法
    3.2.3  輔助模型多新息梯度迭代演算法
    3.2.4  輔助模型多新息最小二乘迭代演算法
    3.2.5  模擬例子
  3.3  輸出誤差滑動平均系統
    3.3.1  輔助模型增廣梯度迭代演算法
    3.3.2  輔助模型增廣最小二乘迭代演算法
    3.3.3  輔助模型多新息增廣梯度迭代演算法
    3.3.4  輔助模型多新息增廣最小二乘迭代演算法
  3.4  輸出誤差自回歸系統
    3.4.1  輔助模型廣義梯度迭代演算法
    3.4.2  輔助模型廣義最小二乘迭代演算法
    3.4.3  輔助模型多新息廣義梯度迭代演算法
    3.4.4  輔助模型多新息廣義最小二乘迭代演算法
  3.5  Box-Jenkins系統
    3.5.1  輔助模型廣義增廣梯度迭代演算法
    3.5.2  輔助模型廣義增廣最小二乘迭代演算法
    3.5.3  輔助模型多新息廣義增廣梯度迭代演算法
    3.5.4  輔助模型多新息廣義增廣最小二乘迭代演算法
    3.5.5  模擬例子
  3.6  小結與思考題
第4章  自回歸輸出誤差類系統
  4.1  引言
  4.2  自回歸輸出誤差系統
    4.2.1  AR-OE系統的辨識模型
    4.2.2  AR-OE系統的輔助模型
    4.2.3  輔助模型梯度迭代辨識演算法
    4.2.4  輔助模型最小二乘迭代演算法
    4.2.5  多新息迭代辨識的輔助模型
    4.2.6  輔助模型多新息梯度迭代演算法
    4.2.7  輔助模型多新息最小二乘迭代演算法
  4.3  自回歸輸出誤差滑動平均系統
    4.3.1  AR-OEMA系統的辨識模型
    4.3.2  AR-OEMA系統的輔助模型
    4.3.3  輔助模型增廣梯度迭代辨識演算法
    4.3.4  輔助模型增廣最小二乘迭代演算法

    4.3.5  多新息迭代辨識方法的輔助模型
    4.3.6  輔助模型多新息增廣梯度迭代演算法
    4.3.7  輔助模型多新息增廣最小二乘迭代演算法
  4.4  自回歸輸出誤差自回歸系統
    4.4.1  AR-OEAR系統的辨識模型
    4.4.2  AR-OEAR系統的輔助模型
    4.4.3  輔助模型廣義梯度迭代辨識演算法
    4.4.4  輔助模型廣義最小二乘迭代演算法
    4.4.5  多新息迭代辨識方法的輔助模型
    4.4.6  輔助模型多新息廣義梯度迭代演算法
    4.4.7  輔助模型多新息廣義最小二乘迭代演算法
  4.5  自回歸輸出誤差自回歸滑動平均系統
    4.5.1  AR-BJ系統描述與辨識模型
    4.5.2  迭代辨識方法輔助模型的建立
    4.5.3  輔助模型廣義增廣梯度迭代演算法
    4.5.4  輔助模型廣義增廣最小二乘迭代演算法
    4.5.5  多新息迭代辨識方法輔助模型的建立
    4.5.6  輔助模型多新息廣義增廣梯度迭代演算法
    4.5.7  輔助模型多新息廣義增廣最小二乘迭代演算法
  4.6  小結與思考題
第5章  線性參數自回歸輸出誤差類系統
  5.1  引言
  5.2  線性參數自回歸輸出誤差系統
    5.2.1  LP-AR-OE系統辨識模型
    5.2.2  LP-AR-OE系統的輔助模型
    5.2.3  輔助模型梯度迭代辨識演算法
    5.2.4  輔助模型最小二乘迭代辨識演算法
    5.2.5  多新息迭代辨識方法的輔助模型
    5.2.6  輔助模型多新息梯度迭代辨識演算法
    5.2.7  輔助模型多新息最小二乘迭代演算法
  5.3  線性參數自回歸輸出誤差滑動平均系統
    5.3.1  LP-AR-OEMA系統辨識模型
    5.3.2  輔助模型增廣梯度迭代辨識演算法
    5.3.3  輔助模型增廣最小二乘迭代演算法
    5.3.4  輔助模型多新息增廣梯度迭代演算法
    5.3.5  輔助模型多新息增廣最小二乘迭代演算法
  5.4  線性參數自回歸輸出誤差自回歸系統
    5.4.1  LP-AR-OEAR系統辨識模型
    5.4.2  輔助模型廣義梯度迭代辨識演算法
    5.4.3  輔助模型廣義最小二乘迭代演算法
    5.4.4  輔助模型多新息廣義梯度迭代演算法
    5.4.5  輔助模型多新息廣義最小二乘迭代演算法
  5.5  線性參數自回歸輸出誤差自回歸滑動平均系統
    5.5.1  LP-AR-OEARMA系統辨識模型
    5.5.2  LP-AR-OEARMA系統的輔助模型
    5.5.3  輔助模型廣義增廣梯度迭代辨識演算法
    5.5.4  輔助模型廣義增廣最小二乘迭代演算法
    5.5.5  多新息廣義增廣迭代辨識的輔助模型
    5.5.6  輔助模型多新息廣義增廣梯度迭代演算法
    5.5.7  輔助模型多新息廣義增廣最小二乘迭代演算法

  5.6  小結與思考題
第6章  輸入非線性輸出誤差系統
  6.1  引言
  6.2  基於過參數化的輔助模型迭代辨識方法
    6.2.1  IN-OE系統描述與過參數化辨識模型
    6.2.2  基於過參數化的輔助模型梯度迭代演算法
    6.2.3  基於過參數化的輔助模型最小二乘迭代演算法
    6.2.4  基於過參數化的輔助模型多新息梯度迭代演算法
    6.2.5  基於過參數化的輔助模型多新息最小二乘迭代演算法
  6.3  基於過參數化的輔助模型遞階迭代辨識方法
    6.3.1  IN-OE系統的過參數化遞階辨識模型
    6.3.2  基於過參數化的輔助模型遞階梯度迭代演算法
    6.3.3  基於過參數化的輔助模型遞階最小二乘迭代演算法
    6.3.4  基於過參數化的輔助模型遞階多新息梯度迭代演算法
    6.3.5  基於過參數化的輔助模型遞階多新息最小二乘迭代演算法
  6.4  基於關鍵項分離的輔助模型迭代辨識方法
    6.4.1  IN-OE系統的關鍵項分離辨識模型
    6.4.2  基於關鍵項分離的輔助模型梯度迭代演算法
    6.4.3  基於關鍵項分離的輔助模型最小二乘迭代演算法
    6.4.4  基於關鍵項分離的輔助模型多新息梯度迭代演算法
    6.4.5  基於關鍵項分離的輔助模型多新息最小二乘迭代演算法
  6.5  基於關鍵項分離的輔助模型兩階段迭代辨識方法
    6.5.1  IN-OE系統的關鍵項分離兩階段辨識模型
    6.5.2  基於關鍵項分離的輔助模型兩階段梯度迭代演算法
    6.5.3  基於關鍵項分離的輔助模型兩階段最小二乘迭代演算法
    6.5.4  基於關鍵項分離的輔助模型兩階段多新息梯度迭代演算法
    6.5.5  基於關鍵項分離的輔助模型兩階段多新息最小二乘迭代演算法
  6.6  基於關鍵項分離的輔助模型三階段迭代辨識方法
    6.6.1  IN-OE系統的關鍵項分離三階段辨識模型
    6.6.2  基於關鍵項分離的輔助模型三階段梯度迭代演算法
    6.6.3  基於關鍵項分離的輔助模型三階段最小二乘迭代演算法
    6.6.4  基於關鍵項分離的輔助模型三階段多新息梯度迭代演算法
    6.6.5  基於關鍵項分離的輔助模型三階段多新息最小二乘迭代演算法
  6.7  基於雙線性參數模型分解的輔助模型迭代辨識方法
    6.7.1  IN-OE系統的雙線性參數模型分解辨識模型
    6.7.2  基於雙線性參數模型分解的輔助模型梯度迭代演算法
    6.7.3  基於雙線性參數模型分解的輔助模型最小二乘迭代演算法
    6.7.4  基於雙線性參數模型分解的輔助模型多新息梯度迭代演算法
    6.7.5  基於雙線性參數模型分解的輔助模型多新息最小二乘迭代演算法
  6.8  小結與思考題
第7章  輸入非線性輸出誤差類系統
  7.1  引言
  7.2  輸入非線性輸出誤差滑動平均系統
    7.2.1  IN-OEMA系統描述與過參數化辨識模型
    7.2.2  基於過參數化的輔助模型增廣梯度迭代演算法
    7.2.3  基於過參數化的輔助模型增廣最小二乘迭代演算法
    7.2.4  基於過參數化的輔助模型多新息增廣梯度迭代演算法
    7.2.5  基於過參數化的輔助模型多新息增廣最小二乘迭代演算法
  7.3  輸入非線性輸出誤差自回歸系統
    7.3.1  IN-OEAR系統描述與過參數化辨識模型

    7.3.2  基於過參數化的輔助模型廣義梯度迭代演算法
    7.3.3  基於過參數化的輔助模型廣義最小二乘迭代演算法
    7.3.4  基於過參數化的輔助模型多新息廣義梯度迭代演算法
    7.3.5  基於過參數化的輔助模型多新息廣義最小二乘迭代演算法
  7.4  輸入非線性輸出誤差自回歸滑動平均系統
    7.4.1  IN-OEARMA系統描述與過參數化辨識模型
    7.4.2  基於過參數化的輔助模型廣義增廣梯度迭代演算法
    7.4.3  基於過參數化的輔助模型廣義增廣最小二乘迭代演算法
    7.4.4  基於過參數化的輔助模型多新息廣義增廣梯度迭代演算法
    7.4.5  基於過參數化的輔助模型多新息廣義增廣最小二乘迭代演算法
  7.5  基於關鍵項分離的輔助模型增廣迭代辨識方法
    7.5.1  IN-OEMA系統的關鍵項分離辨識模型
    7.5.2  基於關鍵項分離的輔助模型增廣梯度迭代演算法
    7.5.3  基於關鍵項分離的輔助模型增廣最小二乘迭代演算法
    7.5.4  基於關鍵項分離的輔助模型多新息增廣梯度迭代演算法
    7.5.5  基於關鍵項分離的輔助模型多新息增廣最小二乘迭代演算法
  7.6  基於關鍵項分離的輔助模型廣義迭代辨識方法
    7.6.1  IN-OEAR系統的關鍵項分離辨識模型
    7.6.2  基於關鍵項分離的輔助模型廣義梯度迭代演算法
    7.6.3  基於關鍵項分離的輔助模型廣義最小二乘迭代演算法
    7.6.4  基於關鍵項分離的輔助模型多新息廣義梯度迭代演算法
    7.6.5  基於關鍵項分離的輔助模型多新息廣義最小二乘迭代演算法
  7.7  基於關鍵項分離的輔助模型廣義增廣迭代辨識方法
    7.7.1  IN-OEARMA系統的關鍵項分離辨識模型
    7.7.2  基於關鍵項分離的輔助模型廣義增廣梯度迭代演算法
    7.7.3  基於關鍵項分離的輔助模型廣義增廣最小二乘迭代演算法
    7.7.4  基於關鍵項分離的輔助模型多新息廣義增廣梯度迭代演算法
    7.7.5  基於關鍵項分離的輔助模型多新息廣義增廣最小二乘迭代演算法
  7.8  小結與思考題
參考文獻
索引
後記

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032