掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
中醫(yī)基礎理論
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
-
>
中醫(yī)診斷學--新世紀第五版
-
>
中藥學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
系統辨識與建模 版權信息
- ISBN：9787562545026
- 條形碼：9787562545026 ; 978-7-5625-4502-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
系統辨識與建模 內容簡介
本書系統地介紹了系統辨識的基本原理和應用方法, 分析了各種方法的特點, 探討了Matlab軟件對各類辨識方法的實現途徑。全書共7章, 主要內容包括: 緒論、系統辨識的基本概念、隨機過程簡介、系統辨識的經典方法、*小二乘參數辨識方法及應用、極大似然參數辨識方法、其他辨識方法。
系統辨識與建模 目錄
第1章 緒論
1．1 基本概念
1．2 系統辨識的產生與發(fā)展
1．2．1 系統辨識的基本思想
1．2．2 系統辨識的發(fā)展
1．2．3 系統辨識的應用
1．3 本書的主要內容
練習題
第2章 系統辨識的基本概念
2．1 系統的概念及其分類
2．1．1 系統的基本概念
2．1．2 系統的分類
2．2 模型的概念及分類
2．2．1 模型的基本概念
2．2．2 模型的性質
2．2．3 模型的分類
2．3 建立模型的方法及常見模型
2．3．1 建立模型的基本方法
2．3．2 常見的數學模型
2．4 系統辨識的定義和基本原理
2．4．1 系統辨識的定義
2．4．2 系統辨識的基本原理
2．5 系統辨識相關知識
2．5．1 系統辨識的誤差準則
2．5．2 系統辨識的分類
2．5．3 系統辨識的基本原則
2．5．4 系統辨識的內容和步驟
練習題
第3章 隨機過程簡介
3．1 隨機過程的基本概念
3．1．1 隨機過程的定義
3．1．2 隨機過程的概率分布函數與密度函數
3．1．3 隨機過程的數字特征
3．1．4 平穩(wěn)隨機過程
3．1．5 廣義平穩(wěn)隨機過程
3．1．6 平穩(wěn)隨機過程的各態(tài)遍歷性
3．1．7 平穩(wěn)隨機過程相關函數的性質
3．1．8 離散平穩(wěn)隨機序列的數字特征的估計
3．1．9 其他類型的隨機過程
3．2 譜密度函數
3．2．1 確定性過程的譜密度
3．2．2 隨機過程的功率譜密度
3．2．3 譜密度的性質
3．3 線性過程在隨機輸入下的響應
3．3．1 線性過程在隨機輸入下的輸出譜密度
3．3．2 線性過程在隨機輸入下的互譜密度
3．4 白噪聲及其產生方法
3．4．1 白噪聲過程
3．4．2 白嗓聲序列
3．4．3 表示定理
3．4．4 白噪聲序列的產生
3．5 偽隨機碼的產生及其性質
3．5．1 偽隨機二位式序列
3．5．2 逆重復M序列
練習題
第4章 系統辨識的經典方法
4．1 階躍響應法
4．1．1 近似法
4．1．2 兩點法
4．1．3 面積法
4．1．4 拉氏變換法
4．2 頻率響應法
4．3 脈沖響應法
4．3．1 從系統輸入輸出求系統的脈沖響應
4．3．2 根據脈沖響應求脈沖傳遞函數
4．4 相關分析法
4．5 用M序列辨識線性系統的脈沖響應
練習題
第5章 *小二乘參數辨識方法及應用
5．1 *小二乘辨識的基本概念
5．2 *小二乘參數辨識方法
5．2．1 *小二乘辨識問題的假設條件
5．2．2 *小二乘辨識問題的解
5．2．3 *小二乘估計的幾何意義
5．2．4 *小二乘估計的統計性質
5．3 遞推*小二乘參數辨識方法
5．3．1 遞推算法
5．3．2 損失函數的遞推計算
5．3．3 遞推算法分析
5．4 加權*小二乘辨識法
5．4．1 加權*小二乘辨識法簡介
5．4．2 加權*小二乘遞推算法
5．4．3 算法的加權形式
5．4．4 損失函數的遞推計算
5．5 增廣*小二乘辨識方法
5．5．1 增廣*小二乘的原理
5．5．2 遞推算式
5．5．3 增廣*小二乘法的改進
5．6 多變量*小二乘辨識方法
5．6．1 多變量系統的*小二乘辨識算法的基本原理
5．6．2 多變量系統的*小二乘辨識算法的分析與設計
練習題
第6章 極大似然參數辨識方法
6．1 極大似然估計方法
6．1．1 極大似然估計法
6．1．2 極大似然法
6．2 動態(tài)模型參數的極大似然估計
6．3 極大似然法參數估計的數值解
6．4 遞推的極大似然參數估計
6．5 預報誤差參數辨識法
6．5．1 預報誤差模型
6．5．2 預報誤差法與極大似然法之間的關系
6．5．3 預報誤差參數估計方法
6．6 極大似然法的估計精度及辨識方法的比較
6．6．1 估計精度
6．6．2 遞推算法的一般格式
練習題
第7章 其他辨識方法
7．1 梯度校正參數辨識
7．1．1 確定性系統的梯度校正參數辨識法
7．1．2 隨機逼近法
7．1．3 隨機牛頓法
7．2 神經網絡模型辨識
7．2．1 神經網絡模型分類
7．2．2 神經網絡模型辨識中常用結構
7．2．3 基于BP神經網絡的非線性系統辨識
7．3 模型的結構辨識
7．3．1 Hankel矩陣定階法
7．3．2 損失函數檢驗法
7．3．3 F檢驗法
7．3．4 Akaike準則法
7．3．5 預報誤差準則法
7．4 非線性系統辨識
7．4．1 Volterra級數描述和辨識
7．4．2 非線性差分方程和辨識
7．4．3 Hammerstein模型與辨識
練習題
附錄A 系統辨識實驗說明
實驗1 白噪聲和M序列的產生
實驗2 相關分析法辨識脈沖響應
實驗3 *小二乘法的實現
實驗4 遞推*小二乘法的實現
附錄B Matlab系統辨識工具箱簡介
附錄C 矩陣相關性質
主要參考文獻
1．1 基本概念
1．2 系統辨識的產生與發(fā)展
1．2．1 系統辨識的基本思想
1．2．2 系統辨識的發(fā)展
1．2．3 系統辨識的應用
1．3 本書的主要內容
練習題
第2章 系統辨識的基本概念
2．1 系統的概念及其分類
2．1．1 系統的基本概念
2．1．2 系統的分類
2．2 模型的概念及分類
2．2．1 模型的基本概念
2．2．2 模型的性質
2．2．3 模型的分類
2．3 建立模型的方法及常見模型
2．3．1 建立模型的基本方法
2．3．2 常見的數學模型
2．4 系統辨識的定義和基本原理
2．4．1 系統辨識的定義
2．4．2 系統辨識的基本原理
2．5 系統辨識相關知識
2．5．1 系統辨識的誤差準則
2．5．2 系統辨識的分類
2．5．3 系統辨識的基本原則
2．5．4 系統辨識的內容和步驟
練習題
第3章 隨機過程簡介
3．1 隨機過程的基本概念
3．1．1 隨機過程的定義
3．1．2 隨機過程的概率分布函數與密度函數
3．1．3 隨機過程的數字特征
3．1．4 平穩(wěn)隨機過程
3．1．5 廣義平穩(wěn)隨機過程
3．1．6 平穩(wěn)隨機過程的各態(tài)遍歷性
3．1．7 平穩(wěn)隨機過程相關函數的性質
3．1．8 離散平穩(wěn)隨機序列的數字特征的估計
3．1．9 其他類型的隨機過程
3．2 譜密度函數
3．2．1 確定性過程的譜密度
3．2．2 隨機過程的功率譜密度
3．2．3 譜密度的性質
3．3 線性過程在隨機輸入下的響應
3．3．1 線性過程在隨機輸入下的輸出譜密度
3．3．2 線性過程在隨機輸入下的互譜密度
3．4 白噪聲及其產生方法
3．4．1 白噪聲過程
3．4．2 白嗓聲序列
3．4．3 表示定理
3．4．4 白噪聲序列的產生
3．5 偽隨機碼的產生及其性質
3．5．1 偽隨機二位式序列
3．5．2 逆重復M序列
練習題
第4章 系統辨識的經典方法
4．1 階躍響應法
4．1．1 近似法
4．1．2 兩點法
4．1．3 面積法
4．1．4 拉氏變換法
4．2 頻率響應法
4．3 脈沖響應法
4．3．1 從系統輸入輸出求系統的脈沖響應
4．3．2 根據脈沖響應求脈沖傳遞函數
4．4 相關分析法
4．5 用M序列辨識線性系統的脈沖響應
練習題
第5章 *小二乘參數辨識方法及應用
5．1 *小二乘辨識的基本概念
5．2 *小二乘參數辨識方法
5．2．1 *小二乘辨識問題的假設條件
5．2．2 *小二乘辨識問題的解
5．2．3 *小二乘估計的幾何意義
5．2．4 *小二乘估計的統計性質
5．3 遞推*小二乘參數辨識方法
5．3．1 遞推算法
5．3．2 損失函數的遞推計算
5．3．3 遞推算法分析
5．4 加權*小二乘辨識法
5．4．1 加權*小二乘辨識法簡介
5．4．2 加權*小二乘遞推算法
5．4．3 算法的加權形式
5．4．4 損失函數的遞推計算
5．5 增廣*小二乘辨識方法
5．5．1 增廣*小二乘的原理
5．5．2 遞推算式
5．5．3 增廣*小二乘法的改進
5．6 多變量*小二乘辨識方法
5．6．1 多變量系統的*小二乘辨識算法的基本原理
5．6．2 多變量系統的*小二乘辨識算法的分析與設計
練習題
第6章 極大似然參數辨識方法
6．1 極大似然估計方法
6．1．1 極大似然估計法
6．1．2 極大似然法
6．2 動態(tài)模型參數的極大似然估計
6．3 極大似然法參數估計的數值解
6．4 遞推的極大似然參數估計
6．5 預報誤差參數辨識法
6．5．1 預報誤差模型
6．5．2 預報誤差法與極大似然法之間的關系
6．5．3 預報誤差參數估計方法
6．6 極大似然法的估計精度及辨識方法的比較
6．6．1 估計精度
6．6．2 遞推算法的一般格式
練習題
第7章 其他辨識方法
7．1 梯度校正參數辨識
7．1．1 確定性系統的梯度校正參數辨識法
7．1．2 隨機逼近法
7．1．3 隨機牛頓法
7．2 神經網絡模型辨識
7．2．1 神經網絡模型分類
7．2．2 神經網絡模型辨識中常用結構
7．2．3 基于BP神經網絡的非線性系統辨識
7．3 模型的結構辨識
7．3．1 Hankel矩陣定階法
7．3．2 損失函數檢驗法
7．3．3 F檢驗法
7．3．4 Akaike準則法
7．3．5 預報誤差準則法
7．4 非線性系統辨識
7．4．1 Volterra級數描述和辨識
7．4．2 非線性差分方程和辨識
7．4．3 Hammerstein模型與辨識
練習題
附錄A 系統辨識實驗說明
實驗1 白噪聲和M序列的產生
實驗2 相關分析法辨識脈沖響應
實驗3 *小二乘法的實現
實驗4 遞推*小二乘法的實現
附錄B Matlab系統辨識工具箱簡介
附錄C 矩陣相關性質
主要參考文獻
展開全部
書友推薦
- >
煙與鏡
- >
李白與唐代文化
- >
詩經-先民的歌唱
- >
我從未如此眷戀人間
- >
史學評論
- >
小考拉的故事-套裝共3冊
- >
伯納黛特,你要去哪(2021新版)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
