Отправить другу/подруге по почте ссылку на эту страницуВариант этой страницы для печатиНапишите нам!Карта сайта!Помощь. Как совершить покупку…
московское время20.10.18 17:37:52
На обложку
Чёрный туман. (Выдающиеся мыслители, учёные, писатели, общественные…Чёрный туман. (Выдающиеся мыслители, учёные, писатели, общественные…
Как родятся, живут и умирают боги и богиниавторы — Ярославский Е. М.
Этика и эстетика Оскара Уайльдаавторы — Акимова О. В.
б у к и н и с т и ч е с к и й   с а й т
Новинки«Лучшие»Доставка и ОплатаМой КнигоПроводЗаказ редких книгО сайте
Книжная Труба   поиск по словам из названия
Авторский каталог
Каталог издательств
Каталог серий
Моя Корзина
Только цены
Рыбалка
Наука и Техника
Математика
Физика
Радиоэлектроника. Электротехника
Инженерное дело
Химия
Геология
Экология
Биология
Зоология
Ботаника
Медицина
Промышленность
Металлургия
Горное дело
Сельское хозяйство
Транспорт
Архитектура. Строительство
Военная мысль
История
Персоны
Археология
Археография
Восток
Политика
Геополитика
Экономика
Реклама. Маркетинг
Философия
Религия
Социология
Психология. Педагогика
Законодательство. Право
Филология. Словари
Этнология
ИТ-книги
O'REILLY
Дизайнеру
Дом, семья, быт
Детям!
Здоровье
Искусство. Культурология
Синематограф
Альбомы
Литературоведение
Театр
Музыка
КнигоВедение
ЛитПамятники
Современные тексты
Худ. литература
NoN Fiction
Природа
Путешествия
Эзотерика
Пурга
Спорт

/Наука и Техника

Рандомизированные алгоритмы оценивания и оптимизации при почти произвольных помехах — Граничин О. Н.,  Поляк Б. Т.
Рандомизированные алгоритмы оценивания и оптимизации при почти произвольных помехах
Граничин О. Н., Поляк Б. Т.
год издания — 2003, кол-во страниц — 291, ISBN — 5-02-006525-0, тираж — 400, язык — русский, тип обложки — твёрд. 7Б, масса книги — 400 гр., издательство — Наука
цена: 500.00 рубПоложить эту книгу в корзину
Р е ц е н з е н т ы:
д-р ф.-м. наук А. И. Кибзун
д-р ф.-м. наук С. М. Ермаков

Утверждено к печати Учёным советом Института проблем управления РАН

Формат 60x90 1/16. Печать офсетная
ключевые слова — кибернетик, робастн, адаптивн, стохастич, рандомизирован, авторегресс, минимаксный, опцион, ляпунов, мартингал

В книге даётся систематическое изложение теории эффективных последовательных алгоритмов многомерной оптимизации и оценивания, дающих состоятельные оценки без стандартных предположений о независимости и центрированности помех наблюдения. Основой нового подхода является использование пробных возмущений. Предлагаемые алгоритмы нашли широкое применение в задачах идентификации, управления, обучения, экономики. Книга будет полезна практикам-инженерам, занимающимся разработкой, программированием и изготовлением сложных устройств связи, измерений или управления, а также студентам и аспирантам по специальностям, связанным с кибернетикой. Для понимания основных идей и алгоритмов не требуется высокая математическая квалификация.

ОГЛАВЛЕНИЕ

Предисловие7
Список обозначений9
Введение12
Глава 1. Некоторые задачи и методы теории
оценивания
27
1.1 Предварительные примеры27
    1.1.1 Оценивание величины постоянного сигнала,
наблюдаемого на фоне помехи
27
    1.1.2 Задача об обнаружении сигнала31
    1.1.3 Рандомизированные алгоритмы33
    1.1.4 Функционал среднего риска34
    1.1.5 Предсказание значений случайного процесса36
1.2 Элементы регрессионного анализа, МНК36
    1.2.1 Наилучшая аппроксимация одной случайной
величины с помощью другой
37
    1.2.2 Оценивание по конечному числу наблюдений39
    1.2.3 Рекуррентные модификации МНК45
1.3 Оптимальная фильтрация случайных процессов48
    1.3.1 Фильтр Винера-Колмогорова49
    1.3.2 Фильтр Калмана-Бьюси54
1.4 Метод стохастической аппроксимации60
    1.4.1 Поиск корня неизвестной функции.
Алгоритм Роббинса-Монро
61
    1.4.2 Минимизация функционала среднего риска63
    1.4.3 Процедура Кифера-Вольфовица64
    1.4.4 Рандомизированные алгоритмы
стохастической аппроксимации
65
    1.4.5 Пассивная стохастическая аппроксимация66
    1.4.6 Модификации алгоритмов СА67
1.5 Алгоритмы случайного поиска73
1.6 Элементы теории оценивания74
    1.6.1 Метод эмпирического функционала74
    1.6.2 Байесовские оценки76
    1.6.3 Метод максимума правдоподобия79
    1.6.4 Достижимая точность оценивания82
1.7 Оценивание при ограниченных помехах85
    1.7.1 Случайный сигнал, наблюдаемый на фоне
ограниченных помех
86
    1.7.2 Метод рекуррентных целевых неравенств.
Конечно-сходящиеся алгоритмы
87
    1.7.3 Алгоритм «полоска»90
    1.7.4 Стабилизирующий алгоритм
«модифицированная полоска»
при управлении линейным объектом
91
    1.7.5 Метод эллипсоидов95
 
Глава 2. Линейные задачи оценивания
и оптимизации при почти произвольных
помехах
97
2.1 Оценка параметров линейной регрессии
с произвольными помехами
97
    2.1.1 Постановка задачи, основные предположения99
    2.1.2 Оценивание по методу стохастической
аппроксимации
101
    2.1.3 Оценки по методу наименьших квадратов104
2.2 Авторегрессия, скользящее среднее105
    2.2.1 Применение к моделям авторегрессии107
    2.2.2 Оценивание параметров модели
скользящего среднего
109
    2.2.3 Идентификация динамического объекта111
    2.2.4 Пробный сигнал113
    2.2.5 Введение параметра оценивания114
    2.2.6 Рандомизированный алгоритм
идентификации
118
2.3 Фильтрация случайных процессов120
    2.3.1 Предсказание случайного процесса,
наблюдаемого на фоне произвольных
ограниченных помех
121
    2.3.2 Отслеживание дрейфа параметров
модели линейной регрессии
124
    2.3.3 Необходимые и достаточные условия
стабилизации оценок
125
    2.3.4 Анализ свойств оценок при различных
типах помех
127
2.4 Экспериментальные результаты133
    2.4.1 Задача об обнаружении сигнала при
неизвестных, но ограниченных неслучайных
помехах
133
    2.4.2 Фильтрация (предсказание) случайного
процесса
137
    2.4.3 Оценивание изменяющихся параметров
сигнала
140
2.5 Доказательства теорем 2.1-2.6142
 
Глава 3. Рандомизированные алгоритмы
стохастической оптимизации
156
3.1 Формулировки и обоснования157
    3.1.1 Постановка задачи и основные предположения162
    3.1.2 Пробное возмущение и рандомизированные
алгоритмы
164
    3.1.3 Сходимость оценок с вероятностью единица
и в среднеквадратичном смысле
165
    3.1.4 Дифференцирующие ядра и выбор
распределения пробного возмущения
168
    3.1.5 Скорость сходимости оценок170
3.2 Оптимальные порядки точности173
    3.2.1 Минимаксный порядок скорости сходимости
рандомизированных алгоритмов
173
    3.2.2 Нижняя граница для асимптотической
скорости сходимости
174
3.3 Экспериментальные результаты175
    3.3.1 Сравнительное моделирование оценок ККВ и SPSA
алгоритмов
175
    3.3.2 Пошаговое выполнение алгоритма178
3.4 Доказательства теорем 3.1 и 3.2179
 
Глава 4. Применения рандомизированных
алгоритмов
188
4.1 Определение химического состава мишени191
4.2 Адаптивное управление194
    4.2.1 Рандомизированный алгоритм
идентификации
197
    4.2.2 Адаптивная l1 оптимизация200
    4.2.3 Адаптивное оптимальное управление
неминимально-фазовым объектом
второго порядка
206
4.3 Обучающиеся системы212
    4.3.1 Аппроксимация функции с помощью линейной
комбинации известных функций
212
    4.3.2 Модель обучаемой системы. Нейронные сети214
    4.3.3 Задача самообучения219
    4.3.4 Синхронизация сигналов светофоров
при управлении движением на сети дорог
223
    4.3.5 Оптимальный выбор целей для систем оружия224
    4.3.6 Поиск скрытых объектов с помощью ЭЛО225
    4.3.7 Исследование ритмической структуры стихов226
4.4 Оптимизация систем реального времени228
    4.4.1 Отслеживание дрейфа экстремума
нестационарного функционала
228
    4.4.2 Оптимизация работы маршрутизатора229
    4.4.3 Оптимизация работы сервера233
    4.4.4 Расчёт цен опционов234
4.5 Квантовые компьютеры240
4.6 Доказательство лемм 4.1-4.3.242
 
Приложение. Некоторые необходимые математические
сведения
249
П.1 Теория вероятностей249
    П.1.1 Случайные величины249
    П.1.2 Некоторые неравенства
для случайных величин
251
    П.1.3 Закон больших чисел для независимых
случайных величин
251
    П.1.4 Стационарные случайные процессы252
    П.1.5 Последовательности случайных величин,
близкие к супермартингалам
254
П.2 Сведения из разных областей255
    П.2.1 Сходимость некоторых числовых
последовательностей
255
    П.2.2 Некоторые матричные соотношения256
    П.2.3 Факторизация матричных функций258
П.З Сходимость рекуррентных алгоритмов259
    П.3.1 Линейный случай259
    П.3.2 Метод стохастической функции Ляпунова260
    П.3.3 Метод ОДУ для исследования сходимости
рекуррентных алгоритмов
263
 
Заключение271
Список литературы273
Предметный указатель289

Книги на ту же тему

  1. Непараметрические коллективы решающих правил, Лапко В. А., 2002
  2. Теория информации и её приложения (Сборник переводов), Харкевич А. А., ред., 1959
  3. Синтез и применение дискретных систем управления с идентификатором, Бунич А. Л., Бахтадзе Н. Н., 2003
  4. Сеточные методы равномерного зондирования для исследования и оптимизации динамических стохастических систем, Антонова Г. М., 2007
  5. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
  6. Помехозащищённость систем радиосвязи. Вероятностно-временной подход. — 2-е изд., испр., Борисов В. И., Зинчук В. М., 2008
  7. Помехозащищённость систем радиосвязи с расширением спектра сигналов методом псевдослучайной перестройки рабочей частоты. — 2-е изд., перераб. и доп., Борисов В. И., Зинчук В. М., Лимарев А. Е., 2008

Напишите нам!© 1913—2013
КнигоПровод.Ru
Рейтинг@Mail.ru btd.kinetix.ru работаем на движке KINETIX :)
elapsed time 0.021 secработаем на движке KINETIX :)