Идентификация и классификация процессов авторегрессии со случайными коэффициентами

Идентификация и классификация процессов авторегрессии со случайными коэффициентами

Автор: Кашковский, Денис Викторович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Томск

Количество страниц: 133 с. ил.

Артикул: 4020744

Автор: Кашковский, Денис Викторович

Стоимость: 250 руб.

Идентификация и классификация процессов авторегрессии со случайными коэффициентами  Идентификация и классификация процессов авторегрессии со случайными коэффициентами 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ.
Глава 1. Последовательное оценивание параметров динамических систем со случайными коэффициентами
1.1. Постановка задачи .
1.2. Построение процедуры идентификации
1.3. Свойства последовательного плана идентификации
1.4. Выводы.
Глава 2. Последовательное оценивание параметров динамических систем со случайными коэффициентами при наличии управления
2.1. Постановка задачи
2.2. Построение процедуры идентификации
2.3. Свойства последовательного плана идентификации
2.4. Выводы.
Глава 3. Последовательная классификация динамических систем со случайными коэффициентами.
3.1. Постановка задачи
3.2. Процедура классификации
3.3. Свойства процедуры классификации.
3.4. Выводы
Глава 4. Экспериментальное исследование алгоритмов идентификации и классификации
4.1. Моделирование алгоритма идентификации
4.2. Моделирование процедуры идентификации при наличии управляющих воздействий
4.3. Моделирование алгоритма классификации
4.4. Выводы.
ЗАКЛЮЧЕНИЕ
Приложение А. Вывод формулы для спектральной плотности . Приложение Б. Вспомогательные результаты для глав 1, 2.
Приложение В. Вспомогательные результаты для главы 3.
Приложение Г. Предельная матрица.
ЛИТЕРАТУРА


Рассматриваются алгоритмы минимизации указанного функционала. Отмечено, что робастные методы используются для получения хороших оценок, когда не имеется полной информации для построения оптимальных оценок. Кроме того, законы распределения могут отличаться от предполагаемых, что приводит к ухудшению качества оценивания не робастными методами. Подробный обзор робастных оценок приводится также в []. В [2] рассматриваются подходы к оцениванию параметров процессов авторегрессии-скользящего среднего в случае наличия шумов в наблюдениях. При этом используются модифицированные оценки МИК, в том числе рекуррентные. В случае процесса авторсгрессии-скользяїцего среднего, искаженного белым шумом, вычисляется функция правдоподобия с применением рекуррентных уравнений Калмана. Ф) = (Р(к) + Н(? А'), г/(А) - помехи, {/3(А;)}, {

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.332, запросов: 244