دانلود کتاب Nonparametric system identification
49,000 تومان
شناسایی ناپارامتری سیستم
| موضوع اصلی | احتمال |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Cambridge University Press |
| تعداد صفحه | 319 |
| حجم فایل | 6 مگابایت |
| کد کتاب | 9780521868044,0521868041 |
| نوبت چاپ | پیش نویس |
| نویسنده | Miroslaw Pawlak, Wlodzimierz Greblicki |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2008 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
شناسایی ناپارامتری سیستم
این کتاب با ارائه یک مرور کلی از مبانی نظری شناسایی سیستم های ناپارامتریک برای سیستم های بلوک گرا غیر خطی، نشان می دهد که رگرسیون ناپارامتریک می تواند با موفقیت در شناسایی سیستم اعمال شود و دستاوردهای انجام این کار را برجسته می کند. با تأکید بر سیستمهای Hammerstein، Wiener و توسعههای چند بعدی آنها، نویسندگان نشان میدهند که چگونه میتوان زیرسیستمهای غیرخطی و ویژگیهای آنها را در صورت وجود اطلاعات محدود، شناسایی کرد. الگوریتمهایی با استفاده از سریهای مثلثاتی، لژاندر، لاگر و هرمیت بررسی میشوند و الگوریتم هسته، نسخههای نیمهگردشگری آن و اصلاحات کاملاً بازگشتی پوشش داده میشوند. تئوری های رگرسیون ناپارامتریک مدرن، تقریب، و بسط متعامد، همراه با رویکردهای جدید برای شناسایی سیستم (از جمله شناسایی نیمه پارامتریک)، ارائه شده است. اطلاعات دقیق در مورد تمام ابزارهای مورد استفاده در ضمیمه ها ارائه شده است. این کتاب برای محققان و دست اندرکاران نظریه سیستم ها، پردازش سیگنال و ارتباطات است و برای محققان در زمینه هایی مانند مکانیک، اقتصاد و زیست شناسی، جایی که داده های تجربی برای به دست آوردن مدل های سیستم ها استفاده می شود، جذاب خواهد بود.
Nonparametric system identification
Presenting a thorough overview of the theoretical foundations of non-parametric system identification for nonlinear block-oriented systems, this books shows that non-parametric regression can be successfully applied to system identification, and it highlights the achievements in doing so. With emphasis on Hammerstein, Wiener systems, and their multidimensional extensions, the authors show how to identify nonlinear subsystems and their characteristics when limited information exists. Algorithms using trigonometric, Legendre, Laguerre, and Hermite series are investigated, and the kernel algorithm, its semirecursive versions, and fully recursive modifications are covered. The theories of modern non-parametric regression, approximation, and orthogonal expansions, along with new approaches to system identification (including semiparametric identification), are provided. Detailed information about all tools used is provided in the appendices. This book is for researchers and practitioners in systems theory, signal processing, and communications and will appeal to researchers in fields like mechanics, economics, and biology, where experimental data are used to obtain models of systems.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.