Информационная теория идентификации
ОглавлениеПредисловиеВведение ГЛАВА 1. Задача идентификации и ее особенности § 1.2. Объекты и их классификация § 1.3. Настраиваемая модель § 1.4. Критерий качества идентификации и оптимальное решение § 1.5. Алгоритмы идентификации § 1.6. Асимптотическая скорость сходимости алгоритмов § 1.7. Оптимальные алгоритмы идентификации § 1.8. Заключение ГЛАВА 2. Оптимальные функции потерь § 2.1. Эмпирические средние потери и оценки оптимального решения § 2.2. Асимптотические свойства оценок и средних потерь § 2.3. Предельно возможная скорость сходимости оценок § 2.4. Определение оптимальной функции потерь § 2.5. Свойства оптимальной функции потерь § 2.6. Заключение ГЛАВА 3. Абсолютно оптимальные алгоритмы идентификации § 3.1. Формирование оптимальных и абсолютно оптимальных алгоритмов § 3.2. Основные виды абсолютно оптимальных алгоритмов § 3.3. Абсолютно оптимальные алгоритмы с настройкой параметра масштаба § 3.4. Одномерные абсолютно оптимальные и оптимальные алгоритмы и их свойства § 3.5. Многомерные абсолютно оптимальные и оптимальные алгоритмы и их свойства § 3.6. Заключение ГЛАВА 4. Оптимальные на классе функции потерь § 4.1. Априорная информация о помехах и классы распределений § 4.2. Понятие оптимальности на классе § 4.3. Принцип оптимальности на классе § 4.4. Вариационные задачи минимизации и методика их решения § 4.5. Оптимальные на классе функции потерь для P-объектов с простой помехой § 4.6. Оптимальные на классе функции потерь для АР-объектов § 4.7. Оптимальные на классе функции потерь для РАР-объектов и Р-объектов с преобразованной помехой § 4.8. О грубости оценок оптимального решения § 4.9. Оптимальность на классе и робастность § 4.10. Заключение ГЛАВА 5. Абсолютно оптимальные на классе алгоритмы идентификации § 5.1. Формирование абсолютно оптимальных на классе алгоритмов § 5.2. Реализуемые абсолютно оптимальные на классе алгоритмы § 5.3. Абсолютно оптимальные на классе алгоритмы с настройкой параметра масштаба § 5.4. Одномерные абсолютно оптимальные на классе алгоритмы § 5.5. Многомерные абсолютно оптимальные на классе алгоритмы § 5.6. Заключение ГЛАВА 6. Алгоритмы идентификации неминимально-фазовых по возмущению объектов § 6.2. Особенности оптимальной настраиваемой модели § 6.3. Преобразование плотностей распределения линейным дискретным фильтром § 6.4. Оптимальные и оптимальные на классе функции потерь § 6.5. Абсолютно оптимальные и абсолютно оптимальные на классе алгоритмы § 6.6. Примеры § 6.7. Заключение ГЛАВА 7. Акселерантные алгоритмы идентификации § 7.1. Об акселеризации оценок оптимального решения § 7.2. Представление априорной информации об оптимальном решении § 7.3. Обобщенные эмпирические средние потери 7.4. Акселерантные абсолютно оптимальные алгоритмы § 7.5. Акселерантные абсолютно оптимальные на классе алгоритмы § 7.6. Лилейные акселерантные алгоритмы § 7.7. Выбор оптимальных входных воздействий § 7.8. Примеры § 7.9. Заключение ГЛАВА 8. Модифицированные алгоритмы идентификации § 8.2. Алгоритмы со скалярной матрицей усиления § 8.3. Усредненные алгоритмы со скалярной матрицей усиления § 8.4. Алгоритмы с упрощенным градиентом функции потерь § 8.5. Алгоритмы идентификации при коррелированной помехе § 8.6. Алгоритмы идентификации некоторых классов нелинейных объектов § 8.7. Примеры § 8.8. Еще о возможности акселериэации алгоритмов § 8.9. О критериальных алгоритмах идентификации § 8.10. Заключение ГЛАВА 9. Алгоритмы идентификации нестационарных объектов § 9.1. Описание нестационарных динамических объектов и их особенности § 9.2. Критерий качества и алгоритмы идентификации § 9.3. Оптимальные алгоритмы § 9.4. Абсолютно оптимальные алгоритмы § 9.5. Оптимальные алгоритмы для многошаговых моделей дрейфа § 9.6. Упрощенные алгоритмы § 9.7. Акселерантные алгоритмы § 9.8. Заключение ГЛАВА 10. Введение в искусственные нейронные сети § 10.2. Структуры нейронных сетей § 10.3. Условие оптимальности § 10.4. Алгоритмы настройки нейронной сети § 10.5. Алгоритмы настройки общей нейронной сети § 10.6. Заключение Послесловие Комментарии Список литературы |