| Предисловие | 6 |
| |
| Введение | 10 |
| |
| Г л а в а 1. Задача идентификации и её особенности | 13 |
| |
| § 1.1. О методах идентификации | 13 |
| § 1.2. Объекты и их классификация | 17 |
| § 1.3. Настраиваемая модель | 25 |
| § 1.4. Критерий качества идентификации и оптимальное решение | 35 |
| § 1.5. Алгоритмы идентификации | 40 |
| § 1.6. Асимптотическая скорость сходимости алгоритмов | 44 |
| § 1.7. Оптимальные алгоритмы идентификации | 50 |
| § 1.8. Заключение | 56 |
| |
| Г л а в а 2. Оптимальные функции потерь | 58 |
| |
| § 2.1. Эмпирические средние потери и оценки оптимального решения | 58 |
| § 2.2. Асимптотические свойства оценок и средних потерь | 60 |
| § 2.3. Предельно возможная скорость сходимости оценок | 64 |
| § 2.4. Определение оптимальной функции потерь | 68 |
| § 2.5. Свойства оптимальной функции потерь | 72 |
| § 2.6. Заключение | 78 |
| |
| Г л а в а 3. Абсолютно оптимальные алгоритмы идентификации | 80 |
| |
| § 3.1. Формирование оптимальных и абсолютно оптимальных алгоритмов | 80 |
| 8 3.2. Основные виды абсолютно оптимальных алгоритмов | 83 |
| § 3.3. Абсолютно оптимальные алгоритмы с настройкой параметра |
 масштаба | 88 |
| 3 3.4. Одномерные абсолютно оптимальные и оптимальные алгоритмы и |
| их свойства | 95 |
| § 3.5. Многомерные абсолютно оптимальные и оптимальные алгоритмы и |
| их свойства | 108 |
| § 3.6. Заключение | 119 |
| |
| Г л а в а 4. Оптимальные на классе функции потерь | 121 |
| |
| § 4.1. Априорная информация о помехах и классы распределений | 121 |
| § 4.2. Понятие оптимальности на классе | 126 |
| § 4.3. Принцип оптимальности на классе | 130 |
| § 4.4. Вариационные задачи минимизации и методика их решения | 132 |
| § 4.5. Оптимальные на классе функции потерь для Р-объектов с простой |
| помехой | 139 |
| § 4.6. Оптимальные на классе функции потерь для АР-объектов | 146 |
| § 4.7. Оптимальные на классе функции потерь для РАР-объектов и |
| Р-объектов с преобразованной помехой | 152 |
| § 4.8. О грубости оценок оптимального решения | 158 |
| § 4.9. Оптимальность на классе и робастность | 162 |
| § 4.10. Заключение | 163 |
| |
| Г л а в а 5. Абсолютно оптимальные на классе алгоритмы идентификации | 164 |
| |
| § 5.1. Формирование абсолютно оптимальных на классе алгоритмов | 164 |
| § 5.2. Реализуемые абсолютно оптимальные на классе алгоритмы | 165 |
| § 5.3. Абсолютно оптимальные на классе алгоритмы с настройкой |
| параметра масштаба | 171 |
| § 5.4. Одномерные абсолютно оптимальные на классе алгоритмы | 173 |
| § 5.5. Многомерные абсолютно оптимальные на классе алгоритмы | 180 |
| § 5.6. Заключение | 185 |
| |
Г л а в а 6. Алгоритмы идентификации неминимально-фазовых по
возмущению объектов | 186 |
| |
| § 6.1. Неминимально-фазовые объекты | 186 |
| § 6.2. Особенности оптимальной настраиваемой модели | 188 |
| § 6.3. Преобразование плотностей распределения линейным дискретным |
| фильтром | 192 |
| § 6.4. Оптимальные и оптимальные на классе функции потерь | 197 |
| § 6.5. Абсолютно оптимальные и абсолютно оптимальные на классе алгоритмы | 199 |
| § 6.6. Примеры | 201 |
| § 6.7. Заключение | 203 |
| |
| Г л а в а 7. Акселерантные алгоритмы идентификации | 205 |
| |
| § 7.1. Об акселеризации оценок оптимального решения | 205 |
| § 7.2. Представление априорной информации об оптимальном решении | 206 |
| § 7.3. Обобщённые эмпирические средние потери | 208 |
| § 7.4. Акселерантные абсолютно оптимальные алгоритмы | 210 |
| § 7.5. Акселерантные абсолютно оптимальные на классе алгоритмы | 214 |
| § 7.6. Линейные акселерантные алгоритмы | 219 |
| § 7.7. Выбор оптимальных входных воздействий | 224 |
| § 7.8. Примеры | 230 |
| § 7.9. Заключение | 231 |
| |
| Г л а в а 8. Модифицированные алгоритмы идентификации | 233 |
| |
| § 8.1. О возможных модификациях алгоритмов | 233 |
| § 8.2. Алгоритмы со скалярной матрицей усиления | 234 |
| § 8.3. Усреднённые алгоритмы со скалярной матрицей усиления | 236 |
| § 8.4. Алгоритмы с упрощенным градиентом функции потерь | 241 |
| § 8.5. Алгоритмы идентификации при коррелированной помехе | 244 |
| § 8.6. Алгоритмы идентификации некоторых классов нелинейных объектов | 248 |
| § 8.7. Примеры | 251 |
| § 8.8. Ещё о возможности акселеризации алгоритмов | 255 |
| § 8.9. О критериальных алгоритмах идентификации | 258 |
| § 8.10. Заключение | 261 |
| |
| Г л а в а 9. Алгоритмы идентификации нестационарных объектов | 262 |
| |
| § 9.1. Описание нестационарных динамических объектов и их особенности | 262 |
| § 9.2. Критерий качества и алгоритмы идентификации | 265 |
| § 9.3. Оптимальные алгоритмы | 267 |
| § 9.4. Абсолютно оптимальные алгоритмы | 271 |
| § 9.5. Оптимальные алгоритмы для многошаговых моделей дрейфа | 273 |
| § 9.6. Упрощённые алгоритмы | 274 |
| § 9.7. Акселерантные алгоритмы | 276 |
| § 9.8. Заключение | 278 |
| |
| Г л а в а 10. Введение в искусственные нейронные сети | 279 |
| |
| § 10.1. О нейронных сетях | 279 |
| § 10.2. Структуры нейронных сетей | 280 |
| § 10.3. Условие оптимальности | 283 |
| § 10.4. Алгоритмы настройки нейронной сети | 287 |
| § 10.5. Алгоритмы настройки общей нейронной сети | 289 |
| § 10.6. Заключение | 290 |
| |
| Послесловие | 291 |
| |
| Комментарии | 295 |
| |
| Список литературы | 310 |
