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

系統辨識與建模(高等院校信息類新專業規劃教材)/人工智慧專業教材叢書

  • 作者：編者:李樹榮|責編:劉春棠|總主編:郭軍
  • 出版社：北京郵電大學
  • ISBN：9787563575367
  • 出版日期：2025/05/01
  • 裝幀：平裝
  • 頁數：282
人民幣：RMB 58 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    系統辨識與建模是控制科學與工程學科的一門重要課程。本書主要內容包括引言、數學預備知識、動態系統的數學模型、最小二乘估計、系統辨識法、閉環系統辨識、自校正控制、沃爾泰拉模型及其辨識、哈默斯坦與維納模型辨識、基於NARMAX模型的非線性系統辨識、基於K－L分解的時空建模、基於卷積神經網路的時空建模、線性系統的最優狀態估計等。
    本書可以作為控制科學與工程學科及相關學科高年級本科生與研究生的教材，也可以作為相關領域科技人員的參考書。
作者介紹
編者:李樹榮|責編:劉春棠|總主編:郭軍
目錄
第1章  引言
  1.1  系統辨識的發展
  1.2  系統辨識概述
    1.2.1  系統建模
    1.2.2  系統辨識的定義
    1.2.3  系統辨識的方法
    1.2.4  系統辨識的分類
    1.2.5  系統辨識的意義
  1.3  系統辨識的步驟
  1.4  系統辨識與建模的應用
  本章小結
  本章參考文獻
  本章習題
第2章  數學預備知識
  2.1  概率論
    2.1.1  事件
    2.1.2  隨機事件的概率
    2.1.3  條件概率和獨立性
  2.2  隨機變數及其概率分佈
    2.2.1  隨機變數的定義
    2.2.2  隨機變數的分類
    2.2.3  隨機變數的數字特徵
    2.2.4  隨機變數的正態分佈
  2.3  多元隨機變數及其聯合分佈
  2.4  統計估計
    2.4.1  最小方差估計
    2.4.2  極大驗后估計與極大似然估計
  2.5  隨機過程
    2.5.1  隨機過程的定義及數字特徵
    2.5.2  隨機過程的功率譜及維納   辛欽定理
    2.5.3  白雜訊
    2.5.4  有色雜訊
  2.6  M序列
    2.6.1  M序列的生成
    2.6.2  M序列的性質和應用
  本章小結
  本章參考文獻
  本章習題
第3章  動態系統的數學模型
  3.1  線性模型
    3.1.1  非參數化模型——權模型
    3.1.2  參數化線性模型——線性差分方程
    3.1.3  非參數化模型與參數化模型之間的關係
    3.1.4  狀態變數方程
  3.2  非線性模型
    3.2.1  沃爾泰拉模型
    3.2.2  維納模型與哈默斯坦模型
    3.2.3  NARMAX模型
    3.2.4  神經網路模型
  3.3  時空模型

  本章小結
  本章參考文獻
  本章習題
第4章  最小二乘估計
  4.1  一般原理
    4.1.1  最小二乘估計的演算法推導
    4.1.2  最小二乘估計的統計特性
  4.2  加權最小二乘估計和馬爾柯夫估計
  4.3  遞推最小二乘估計
  4.4  加權遞推最小二乘估計
  4.5  衰減記憶最小二乘估計
  4.6  限定記憶最小二乘估計
  本章小結
  本章參考文獻
  本章習題
第5章  系統辨識法
  5.1  輸入信號的設計
  5.2  非參數化模型的系統辨識
    5.2.1  基於相關分析法的系統辨識
    5.2.2  基於權函數模型的系統辨識
  5.3  參數化模型的系統辨識
    5.3.1  辨識模型的建立及辨識演算法
    5.3.2  系統階的確定與有效性檢驗
  5.4  基於廣義最小二乘的系統辨識
    5.4.1  含有有色雜訊系統的模型表達式
    5.4.2  系統的有偏估計
    5.4.3  廣義最小二乘辨識演算法
    5.4.4  廣義最小二乘辨識的其他解法
  本章小結
  本章參考文獻
  本章習題
第6章  閉環系統辨識
  6.1  直接辨識法
    6.1.1  問題的提出
    6.1.2  閉環系統的可辨識性
    6.1.3  閉環系統辨識方法
  6.2  間接辨識法
  6.3  兩階段辨識法
    6.3.1  第一階段辨識
    6.3.2  第二階段辨識
  本章小結
  本章參考文獻
  本章習題
第7章  自校正控制
  7.1  最優預測模型
  7.2  最小方差控制
  7.3  最小方差自校正控制
  7.4  廣義最小方差自校正控制
  7.5  廣義自校正控制演算法
    7.5.1  最優輸出預測反饋

    7.5.2  被控對象的輸出反饋
  7.6  極點配置自校正控制
  7.7  PID自校正控制
  本章小結
  本章參考文獻
  本章習題
第8章  沃爾泰拉模型及其辨識
  8.1  線性與雙線性系統的沃爾泰拉模型
  8.2  多項式與沃爾泰拉系統
  8.3  沃爾泰拉系統的辨識
  本章小結
  本章參考文獻
  本章習題
第9章  哈默斯坦與維納模型辨識
  9.1  基於廣義最小二乘的哈默斯坦模型辨識
  9.2  基於廣義最小二乘的維納模型辨識
  9.3  維納   哈默斯坦組合模型辨識
  本章小結
  本章參考文獻
  本章習題
第10章  基於NARMAX模型的非線性系統辨識
  10.1  NARMAX模型及其辨識
    10.1.1  NARMAX模型
    10.1.2  NARMAX的參數估計方法
    10.1.3  NARMAX的雜訊建模
    10.1.4  一般隱含參數模型的辨識
  10.2  基於神經網路的NARMAX模型辨識
    10.2.1  前向神經網路
    10.2.2  遞歸NARX網路
    10.2.3  開環與閉環NARX網路模型
  本章小結
  本章參考文獻
  本章習題
第11章  基於K   L分解的時空建模
  11.1  正交分解
    11.1.1  K   L分解
    11.1.2  雙正交K   L分解
    11.1.3  基於快照法的近似基函數計算
    11.1.4  維數選取
  11.2  基於K   L分解的分佈參數系統時空建模
    11.2.1  分佈參數系統的時空建模
    11.2.2  模擬實例
  本章小結
  本章參考文獻
  本章習題
第12章  基於卷積神經網路的時空建模
  12.1  卷積神經網路的發展史
  12.2  卷積神經網路的架構
    12.2.1  輸入層
    12.2.2  卷積層

    12.2.3  池化層
    12.2.4  全連接層
    12.2.5  輸出層
  12.3  卷積神經網路的訓練
    12.3.1  損失函數
    12.3.2  優化演算法
    12.3.3  拋棄法
    12.3.4  網路訓練的基本步驟
    12.3.5  CNN訓練中的常見問題
  12.4  基於CNN的分佈參數系統時空模型
  本章小結
  本章參考文獻
  本章習題
第13章  線性系統的最優狀態估計
  13.1  線性最小方差估計
    13.1.1  線性最小方差估計的描述及推導
    13.1.2  線性最小方差估計的幾何性質
  13.2  離散線性系統
  13.3  最優濾波公式
  13.4  離散卡爾曼濾波的穩定性
  13.5  帶有控制項的離散線性系統最優濾波
  13.6  基於狀態空間模型的系統辨識
  本章小結
  本章參考文獻
  本章習題
附錄A 矩陣知識
  A.1  概念與基本性質
  A.2  正定與非負定矩陣
  A.3  矩陣微分方程
附錄B 積分變換
  B.1  傅里葉級數與傅里葉變換
    B.1.1  傅里葉級數
    B.1.2  傅里葉變換
    B.1.3  傅里葉變換的性質
    B.1.4  二維傅里葉變換
  B.2  拉普拉斯變換
    B.2.1  拉普拉斯變換的定義
    B.2.2  拉普拉斯變換的性質
    B.2.3  特殊函數及其對應的拉普拉斯變換
  B.3  z變換
    B.3.1  z變換的定義
    B.3.2  z變換的性質
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