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

隨機系統總體最小二乘參數估計理論與應用/智能科學技術著作叢書

  • 作者：孔祥玉//馮大政|總主編:塗序彥
  • 出版社：科學
  • ISBN：9787030621610
  • 出版日期：2019/09/01
  • 裝幀：平裝
  • 頁數：284
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要討論隨機系統總體最小二乘參數估計涉及的各種演算法及其應用。全書可分為三個部分：第一部分介紹隨機系統參數估計理論、最小二乘估計、偏最小二乘估計等方法；第二部分研究隨機系統總體最小二乘問題和方法，重點介紹總體最小二乘遞歸估計、總體最小二乘迭代與隨機估計、約束總體最小二乘和結構總體最小二乘估計、特徵提取類總體最小二乘方法等內容；第三部分研究廣義特徵信息提取方法、參數估計演算法的性能分析和總體最小二乘參數估計方法的應用。
    本書適合電子、通信、自動控制、電腦、系統工程、模式識別、信號處理等學科教師、研究生和相關研究人員使用。
作者介紹
孔祥玉//馮大政|總主編:塗序彥
目錄
《智能科學技術著作叢書》序
前言
第1章  緒論
  1.1  隨機系統
  1.2  隨機系統辨識與參數估計
  1.3  隨機系統偏最小二乘估計
  1.4  隨機系統總體最小二乘估計
  1.5  本章小結
  參考文獻
第2章  最小二乘估計
  2.1  參數估計問題及其一般描述
  2.2  最小二乘參數估計
    2.2.1  經典最小二乘估計
    2.2.2  加權最小二乘估計
    2.2.3  正則化最小二乘估計
    2.2.4  遞推最小二乘估計
    2.2.5  最小均方誤差估計
  2.3  線性差分模型最小二乘參數估計
    2.3.1  單輸入單輸出系統的最小二乘參數估計
    2.3.2  濾波型加權最小二乘估計與廣義最小二乘演算法
    2.3.3  相關型加權最小二乘估計與輔助變數法
    2.3.4  多輸入輸出系統的最小二乘參數估計
  2.4  離散差分模型的遞推參數估計
    2.4.1  用於參數估計的遞推最小二乘演算法
    2.4.2  漸消記憶的遞推最小二乘演算法
    2.4.3  適用於有色雜訊的改進遞推最小二乘演算法
  2.5  本章小結
  參考文獻
第3章  偏最小二乘估計
  3.1  引言
  3.2  偏最小二乘
  3.3  核偏最小二乘
  3.4  改進的核偏最小二乘
    3.4.1  隨機梯度Boosting演算法
    3.4.2  核純凈信號分析
    3.4.3  改進的核偏最小二乘方法
  3.5  模擬實驗
    3.5.1  數值模擬實驗
    3.5.2  混凝土抗壓強度
  3.6  本章小結
  參考文獻
第4章  總體最小二乘問題
  4.1  最小二乘估計方法
  4.2  總體最小二乘問題
    4.2.1  預備知識
    4.2.2  正交最小二乘問題
    4.2.3  基本TLS問題
    4.2.4  多維TLS問題
    4.2.5  特殊單維TLS問題
    4.2.6  混合OLS-TLS問題

    4.2.7  OLS與TLS之間的代數比較
    4.2.8  統計特性和有效性
    4.2.9  基本數據最小二乘問題
  4.3  總體最小二乘求解方法
    4.3.1  部分TLS演算法
    4.3.2  迭代計算方法
    4.3.3  神經元計算方法
  4.4  本章小結
  參考文獻
第5章  總體最小二乘遞歸估計
  5.1  引言
  5.2  總體最小二乘遞歸類方法
    5.2.1  Davila's FIR RTLS演算法
    5.2.2  Davila's IIR RTLS演算法
  5.3  一種新型快速RTLS演算法
    5.3.1  Feng's RTLS演算法
    5.3.2  Feng's AIP演算法
  5.4  本章小結
  參考文獻
第6章  總體最小二乘迭代與隨機估計
  6.1  引言
    6.1.1  直接方法與迭代計算方法
    6.1.2  逆迭代方法
    6.1.3  Chebyshev迭代
    6.1.4  Lanczos方法
    6.1.5  瑞利商迭代
  6.2  瑞利商最小化的非神經元和神經元方法
  6.3  TLS神經網路方法
    6.3.1  GAO's TLS神經元方法
    6.3.2  TLS EXIN神經元方法
    6.3.3  Bruce's混合LS-TLS演算法
  6.4  總體最小均方演算法
    6.4.1  總體最小均方演算法的導出
    6.4.2  演算法的穩定性分析
    6.4.3  演算法的性能模擬分析
    6.4.4  演算法性能的進一步討論
  6.5  改進的總體最小二乘線性核及其自穩定演算法
    6.5.1  確定性連續時間系統的性能分析
    6.5.2  隨機離散時間系統的性能分析
    6.5.3  電腦模擬實驗
  6.6  本章小結
  參考文獻
第7章  約束總體最小二乘和結構總體最小二乘估計
  7.1  引言
  7.2  約束總體最小二乘
    7.2.1  約束總體最小二乘問題
    7.2.2  約束總體最小二乘演算法
  7.3  結構總體最小二乘
    7.3.1  結構總體最小二乘問題的例子
    7.3.2  結構總體最小二乘問題的歷史

    7.3.3  結構總體最小二乘問題和求解
  7.4  約束與結構總體最小二乘的等價性
  7.5  一個新的總體最小二乘問題公式化表示
    7.5.1  加權總體最小二乘問題
    7.5.2  加權總體最小二乘演算法
  7.6  本章小結
  參考文獻
第8章  特徵提取類總體最小二乘方法
  8.1  引言
  8.2  神經網路次成分特徵提取
    8.2.1  Hopfield網路MCA演算法
    8.2.2  Xu-Oja MCA演算法
    8.2.3  MCA EXIN演算法
    8.2.4  MCA自穩定演算法
    8.2.5  正交MCA演算法
  8.3  一種自穩定的次成分分析演算法
  8.4  一種自穩定神經網路次成分特徵提取
    8.4.1  一種自穩定的MCA演算法
    8.4.2  演算法的收斂性能
    8.4.3  演算法的發散性能
    8.4.4  演算法自穩定特性
    8.4.5  次子空間跟蹤演算法
  8.5  本章小結
  參考文獻
第9章  廣義特徵信息提取方法
  9.1  廣義Hermitian特徵值問題
  9.2  廣義特徵信息提取神經網路演算法
    9.2.1  基於牛頓和擬牛頓法的廣義特徵向量提取演算法
    9.2.2  基於冪法的快速廣義特徵向量提取演算法
    9.2.3  基於遞歸最小二乘法的廣義特徵向量提取演算法
    9.2.4  成對廣義特徵向量提取演算法
  9.3  一種快速和自適應的耦合廣義特徵對提取分析演算法
    9.3.1  GMCA和GPCA演算法的耦合廣義系統
    9.3.2  耦合廣義系統的自適應實現
    9.3.3  收斂性能分析
    9.3.4  數值模擬例子
    9.3.5  結論
  9.4  本章小結
  參考文獻
第10章  參數估計演算法的性能分析
  10.1  引言
  10.2  確定性連續時間系統方法
    10.2.1  隨機近似逼近理論條件
    10.2.2  確定性連續時間方法
    10.2.3  李雅譜諾夫函數方法
  10.3  隨機性離散時間系統
    10.3.1  普通發散現象
    10.3.2  突然發散現象
    10.3.3  不穩定發散現象
    10.3.4  數值發散現象

  10.4  確定性離散時間系統
    10.4.1  新的自穩定MCA學習演算法的提出
    10.4.2  確定性DDT系統的收斂性能分析
    10.4.3  確定性DDT系統的穩定性能分析
    10.4.4  電腦模擬實驗
  10.5  不動點分析方法
    10.5.1  收縮映射理論
    10.5.2  循環神經網路體系結構中的穩定性
  10.6  本章小結
  參考文獻
第11章  總體最小二乘參數估計方法的應用
  11.1  引言
  11.2  經典總體最小二乘方法應用
    11.2.1  在曲線與曲面擬合中的應用
    11.2.2  在自適應濾波中的應用
    11.2.3  在頻率估計中的應用
    11.2.4  在系統參數估計中的應用
    11.2.5  在系統故障診斷中的應用
  11.3  約束總體最小二乘方法應用
    11.3.1  在諧波信號的超分辨恢復中的應用
    11.3.2  約束總體最小二乘圖像恢復應用
  11.4  結構總體最小二乘方法應用
  11.5  本章小結
  參考文獻

  • 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