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.

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;)}, {