注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計算機(jī)/網(wǎng)絡(luò)家庭與辦公軟件系統(tǒng)辨識

系統(tǒng)辨識

系統(tǒng)辨識

定 價:¥165.00

作 者: 丁鋒 著
出版社: 科學(xué)出版社
叢編項: 迭代搜索原理與辨識方法
標(biāo) 簽: 暫缺

ISBN: 9787030584526 出版時間: 2018-09-01 包裝: 平裝
開本: 16開 頁數(shù): 417 字?jǐn)?shù):  

內(nèi)容簡介

  《系統(tǒng)辨識——迭代搜索原理與辨識方法》是《系統(tǒng)辨識學(xué)術(shù)專著叢書》的第5分冊,是作者在清華大學(xué)、江南大學(xué)教學(xué)和科研創(chuàng)新經(jīng)驗的結(jié)晶,匯集了作者及其合作者在迭代辨識方面的一些**研究成果?!禕R》本書介紹了線性系統(tǒng)、線性參數(shù)系統(tǒng)、輸入非線性系統(tǒng)的迭代辨識方法,主要涉及梯度迭代辨識方法、*小二乘迭代辨識方法、多新息梯度迭代辨識方法、多新息*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(xué)研究與創(chuàng)新的新思想和新方法。特別是提出了一系列值得學(xué)者們深入研究的辨識課題,為進(jìn)一步研究指明方向。

作者簡介

暫缺《系統(tǒng)辨識》作者簡介

圖書目錄

目錄
系統(tǒng)辨識學(xué)術(shù)專著叢書

前言
主要符號說明
第1章 迭代辨識導(dǎo)引 1
1.1 引言 1
1.2 最小二乘原理 3
1.2.1 長度測量問題 3
1.2.2 線性參數(shù)擬合 4
1.2.3 最小二乘估計 6
1.3 梯度搜索原理 8
1.3.1 簡單迭代算法 8
1.3.2 梯度搜索原理 11
1.4 牛頓搜索原理 12
1.4.1 牛頓方法求方程的根 13
1.4.2 牛頓方法求函數(shù)極值 14
1.4.3 牛頓方法的幾何解釋 15
1.4.4 Gauss-Newton 迭代方法 16
1.4.5 Levenberg-Marquardt 方法 17
1.5 線性回歸系統(tǒng)的辨識方法 18
1.5.1 隨機(jī)梯度辨識方法 19
1.5.2 遞推梯度辨識方法 20
1.5.3 最小二乘辨識算法 23
1.5.4 辨識算法的計算量 26
1.5.5 遞推最小二乘算法 27
1.5.6 梯度迭代辨識算法 29
1.5.7 多新息梯度迭代算法 32
1.5.8 變間隔梯度迭代辨識方法 34
1.5.9 變間隔多新息梯度迭代算法 38
1.6 有限脈沖響應(yīng)滑動平均系統(tǒng)的增廣辨識方法 41
1.6.1 增廣隨機(jī)梯度辨識方法 42
1.6.2 遞推增廣梯度辨識方法 45
1.6.3 遞推增廣最小二乘算法 47
1.6.4 增廣梯度迭代辨識算法 47
1.6.5 增廣最小二乘迭代方法 57
1.6.6 多新息增廣梯度迭代算法 64
1.6.7 多新息增廣最小二乘迭代算法 67
1.7 小結(jié)與思考題 69
第2章 方程誤差類系統(tǒng) 73
2.1 引言 73
2.2 方程誤差系統(tǒng) 75
2.2.1 梯度迭代辨識算法 76
2.2.2 多新息梯度迭代算法 77
2.3 方程誤差滑動平均系統(tǒng) 78
2.3.1 增廣梯度迭代辨識算法 79
2.3.2 增廣最小二乘迭代算法 81
2.3.3 多新息增廣梯度迭代方法 82
2.3.4 多新息增廣最小二乘迭代算法 84
2.3.5 仿真例子 85
2.4 方程誤差自回歸系統(tǒng) 85
2.4.1 廣義梯度迭代辨識算法 86
2.4.2 廣義最小二乘迭代算法 87
2.4.3 多新息廣義梯度迭代算法 88
2.4.4 多新息廣義最小二乘迭代算法 89
2.5 方程誤差自回歸滑動平均系統(tǒng) 90
2.5.1 廣義增廣梯度迭代辨識算法 91
2.5.2 廣義增廣最小二乘迭代算法 93
2.5.3 多新息廣義增廣梯度迭代算法 94
2.5.4 多新息廣義增廣最小二乘迭代算法 96
2.6 小結(jié)與思考題 98
第3章 輸出誤差類系統(tǒng) 102
3.1 引言 102
3.2 輸出誤差系統(tǒng) 103
3.2.1 輔助模型梯度迭代算法 106
3.2.2 輔助模型最小二乘迭代算法 108
3.2.3 輔助模型多新息梯度迭代算法 109
3.2.4 輔助模型多新息最小二乘迭代算法 111
3.2.5 仿真例子 112
3.3 輸出誤差滑動平均系統(tǒng) 127
3.3.1 輔助模型增廣梯度迭代算法 128
3.3.2 輔助模型增廣最小二乘迭代算法 130
3.3.3 輔助模型多新息增廣梯度迭代算法 131
3.3.4 輔助模型多新息增廣最小二乘迭代算法 134
3.4 輸出誤差自回歸系統(tǒng) 135
3.4.1 輔助模型廣義梯度迭代算法 136
3.4.2 輔助模型廣義最小二乘迭代算法 138
3.4.3 輔助模型多新息廣義梯度迭代算法 139
3.4.4 輔助模型多新息廣義最小二乘迭代算法 141
3.5 Box-Jenkins 系統(tǒng) 142
3.5.1 輔助模型廣義增廣梯度迭代算法 144
3.5.2 輔助模型廣義增廣最小二乘迭代算法 147
3.5.3 輔助模型多新息廣義增廣梯度迭代算法 149
3.5.4 輔助模型多新息廣義增廣最小二乘迭代算法 152
3.5.5 仿真例子 154
3.6 小結(jié)與思考題 161
第4章 自回歸輸出誤差類系統(tǒng) 166
4.1 引言 166
4.2 自回歸輸出誤差系統(tǒng) 167
4.2.1 AR-OE 系統(tǒng)的辨識模型 167
4.2.2 AR-OE 系統(tǒng)的輔助模型 168
4.2.3 輔助模型梯度迭代辨識算法 169
4.2.4 輔助模型最小二乘迭代算法 172
4.2.5 多新息迭代辨識的輔助模型 173
4.2.6 輔助模型多新息梯度迭代算法 173
4.2.7 輔助模型多新息最小二乘迭代算法 175
4.3 自回歸輸出誤差滑動平均系統(tǒng) 176
4.3.1 AR-OEMA 系統(tǒng)的辨識模型 177
4.3.2 AR-OEMA 系統(tǒng)的輔助模型 178
4.3.3 輔助模型增廣梯度迭代辨識算法 178
4.3.4 輔助模型增廣最小二乘迭代算法 180
4.3.5 多新息迭代辨識方法的輔助模型 181
4.3.6 輔助模型多新息增廣梯度迭代算法 182
4.3.7 輔助模型多新息增廣最小二乘迭代算法 183
4.4 自回歸輸出誤差自回歸系統(tǒng) 184
4.4.1 AR-OEAR 系統(tǒng)的辨識模型 185
4.4.2 AR-OEAR 系統(tǒng)的輔助模型 186
4.4.3 輔助模型廣義梯度迭代辨識算法 187
4.4.4 輔助模型廣義最小二乘迭代算法 188
4.4.5 多新息迭代辨識方法的輔助模型 189
4.4.6 輔助模型多新息廣義梯度迭代算法 190
4.4.7 輔助模型多新息廣義最小二乘迭代算法 192
4.5 自回歸輸出誤差自回歸滑動平均系統(tǒng) 193
4.5.1 AR-BJ 系統(tǒng)描述與辨識模型 193
4.5.2 迭代辨識方法輔助模型的建立 195
4.5.3 輔助模型廣義增廣梯度迭代算法 197
4.5.4 輔助模型廣義增廣最小二乘迭代算法 199
4.5.5 多新息迭代辨識方法輔助模型的建立 200
4.5.6 輔助模型多新息廣義增廣梯度迭代算法 201
4.5.7 輔助模型多新息廣義增廣最小二乘迭代算法 203
4.6 小結(jié)與思考題 204
第5章 線性參數(shù)自回歸輸出誤差類系統(tǒng) 209
5.1 引言 209
5.2 線性參數(shù)自回歸輸出誤差系統(tǒng) 212
5.2.1 LP-AR-OE 系統(tǒng)辨識模型 213
5.2.2 LP-AR-OE 系統(tǒng)的輔助模型 214
5.2.3 輔助模型梯度迭代辨識算法 215
5.2.4 輔助模型最小二乘迭代辨識算法 217
5.2.5 多新息迭代辨識方法的輔助模型 220
5.2.6 輔助模型多新息梯度迭代辨識算法 221
5.2.7 輔助模型多新息最小二乘迭代算法 224
5.3 線性參數(shù)自回歸輸出誤差滑動平均系統(tǒng) 226
5.3.1 LP-AR-OEMA 系統(tǒng)辨識模型 226
5.3.2 輔助模型增廣梯度迭代辨識算法 227
5.3.3 輔助模型增廣最小二乘迭代算法 229
5.3.4 輔助模型多新息增廣梯度迭代算法 231
5.3.5 輔助模型多新息增廣最小二乘迭代算法 233
5.4 線性參數(shù)自回歸輸出誤差自回歸系統(tǒng) 235
5.4.1 LP-AR-OEAR 系統(tǒng)辨識模型 235
5.4.2 輔助模型廣義梯度迭代辨識算法 237
5.4.3 輔助模型廣義最小二乘迭代算法 239
5.4.4 輔助模型多新息廣義梯度迭代算法 241
5.4.5 輔助模型多新息廣義最小二乘迭代算法 243
5.5 線性參數(shù)自回歸輸出誤差自回歸滑動平均系統(tǒng) 244
5.5.1 LP-AR-OEARMA 系統(tǒng)辨識模型 245
5.5.2 LP-AR-OEARMA 系統(tǒng)的輔助模型 247
5.5.3 輔助模型廣義增廣梯度迭代辨識算法 248
5.5.4 輔助模型廣義增廣最小二乘迭代算法 250
5.5.5 多新息廣義增廣迭代辨識的輔助模型 254
5.5.6 輔助模型多新息廣義增廣梯度迭代算法 255
5.5.7 輔助模型多新息廣義增廣最小二乘迭代算法 258
5.6 小結(jié)與思考題 260
第6章 輸入非線性輸出誤差系統(tǒng) 266
6.1 引言 266
6.2 基于過參數(shù)化的輔助模型迭代辨識方法 269
6.2.1 IN-OE 系統(tǒng)描述與過參數(shù)化辨識模型 269
6.2.2 基于過參數(shù)化的輔助模型梯度迭代算法 271
6.2.3 基于過參數(shù)化的輔助模型最小二乘迭代算法 273
6.2.4 基于過參數(shù)化的輔助模型多新息梯度迭代算法 275
6.2.5 基于過參數(shù)化的輔助模型多新息最小二乘迭代算法 278
6.3 基于過參數(shù)化的輔助模型遞階迭代辨識方法 279
6.3.1 IN-OE 系統(tǒng)的過參數(shù)化遞階辨識模型 280
6.3.2 基于過參數(shù)化的輔助模型遞階梯度迭代算法 280
6.3.3 基于過參數(shù)化的輔助模型遞階最小二乘迭代算法 283
6.3.4 基于過參數(shù)化的輔助模型遞階多新息梯度迭代算法 285
6.3.5 基于過參數(shù)化的輔助模型遞階多新息最小二乘迭代算法 288
6.4 基于關(guān)鍵項分離的輔助模型迭代辨識方法 290
6.4.1 IN-OE 系統(tǒng)的關(guān)鍵項分離辨識模型 291
6.4.2 基于關(guān)鍵項分離的輔助模型梯度迭代算法 292
6.4.3 基于關(guān)鍵項分離的輔助模型最小二乘迭代算法 294
6.4.4 基于關(guān)鍵項分離的輔助模型多新息梯度迭代算法 295
6.4.5 基于關(guān)鍵項分離的輔助模型多新息最小二乘迭代算法 298
6.5 基于關(guān)鍵項分離的輔助模型兩階段迭代辨識方法 299
6.5.1 IN-OE 系統(tǒng)的關(guān)鍵項分離兩階段辨識模型 299
6.5.2 基于關(guān)鍵項分離的輔助模型兩階段梯度迭代算法 301
6.5.3 基于關(guān)鍵項分離的輔助模型兩階段最小二乘迭代算法 304
6.5.4 基于關(guān)鍵項分離的輔助模型兩階段多新息梯度迭代算法 305
6.5.5 基于關(guān)鍵項分離的輔助模型兩階段多新息最小二乘迭代算法 309
6.6 基于關(guān)鍵項分離的輔助模型三階段迭代辨識方法 310
6.6.1 IN-OE 系統(tǒng)的關(guān)鍵項分離三階段辨識模型 310
6.6.2 基于關(guān)鍵項分離的輔助模型三階段梯度迭代算法 311
6.6.3 基于關(guān)鍵項分離的輔助模型三階段最小二乘迭代算法 313
6.6.4 基于關(guān)鍵項分離的輔助模型三階段多新息梯度迭代算法 315
6.6.5 基于關(guān)鍵項分離的輔助模型三階段多新息最小二乘迭代算法 318
6.7 基于雙線性參數(shù)模型分解的輔助模型迭

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號