基于Bayesian統(tǒng)計(jì)推斷的粒子濾波技術(shù)及應(yīng)用

定　價(jià)：￥138.00

作　者：	翟永智著
出版社：	哈爾濱工業(yè)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥131.10)

ISBN：	9787576717747	出版時(shí)間：	2025-01-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　.本書(shū)針對(duì)大數(shù)據(jù)決策理論中涉及的安全可靠風(fēng)險(xiǎn)問(wèn)題，以及可靠性與精確性的制約折中優(yōu)化的問(wèn)題，將研究的重點(diǎn)主要集中于基于Bayesian統(tǒng)計(jì)推斷的粒子濾波算法的研究和應(yīng)用，在論述粒子濾波算法的同時(shí)，主要融入了作者新的研究思想，即點(diǎn)估計(jì)觀測(cè)值先驗(yàn)概率，同時(shí)將多尺度的概念融入粒子濾波中，形成了具有多尺度粒子濾波的算法，利用不同粗細(xì)尺度對(duì)動(dòng)態(tài)系統(tǒng)狀態(tài)空間中的一條馬爾可夫鏈進(jìn)行交替耦合采樣，借助于傳遞和更新?tīng)顟B(tài)信息及參數(shù)信息來(lái)搜索狀態(tài)和參數(shù)的最大聯(lián)合后驗(yàn)分布似然函數(shù)。細(xì)尺度的重要采樣能保持精度，粗尺度的重要采樣能提高運(yùn)算效率，粗細(xì)尺度交替耦合采樣則能有效抑制粒子的退化現(xiàn)象。本書(shū)為深度學(xué)習(xí)人工智能并深入研究奠定堅(jiān)實(shí)的理論基礎(chǔ)。本書(shū)適合對(duì)大數(shù)據(jù)、統(tǒng)計(jì)信號(hào)處理、數(shù)字孿生系統(tǒng)故障傳播根因診斷以及人工智能研究領(lǐng)域感興趣的高年級(jí)本科生、碩士研究生、博士研究生及從事相關(guān)領(lǐng)域研究的科研人員參考閱讀。

作者簡(jiǎn)介

暫缺《基于Bayesian統(tǒng)計(jì)推斷的粒子濾波技術(shù)及應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 粒子濾波定義與擴(kuò)展概述
1.2 粒子濾波算法性能描述
1.3 粒子濾波及其應(yīng)用的分類概述
1.4 粒子濾波算法及其應(yīng)用
1.5 粒子濾波與強(qiáng)化學(xué)習(xí)結(jié)合在數(shù)字孿生可靠性估計(jì)中的應(yīng)用
1.6 本章小結(jié)
第2章粒子濾波的基本原理
2.1 概念的介紹
2.2 粒子濾波的引入
2.3 粒子濾波的基本類型
2.4 本章小結(jié)
第3章多尺度粒子濾波算法
3.1 MCMC重要采樣方法
3.2 多尺度粒子濾波算法的引入
3.3 多尺度粒子濾波算法的原理
3.4 多尺度粒子濾波目標(biāo)識(shí)別與跟蹤算法實(shí)現(xiàn)
3.5 多尺度粒子濾波算法的深入討論
3.6 多尺度粒子濾波對(duì)目標(biāo)跟蹤與聲源定位仿真
3.7 多尺度粒子濾波算法的總結(jié)和性能分析
3.8 本章小結(jié)
第4章多尺度粒子濾波的擴(kuò)展算法
4.1 擴(kuò)展算法的前提條件
4.2 多尺度粒子濾波的統(tǒng)計(jì)算法
4.3 多尺度粒子濾波的概率矩形區(qū)域模型
4.4 粒子濾波在受野值破壞非線性時(shí)間序列中的應(yīng)用仿真
4.5 多尺度粒子濾波的均值漂移算法
4.6 本章小結(jié)
第5章擴(kuò)展算法在WSN中的應(yīng)用(Ⅰ)
5.1 WSN概述
5.2 WSN中機(jī)動(dòng)目標(biāo)狀態(tài)的估計(jì)
5.3 無(wú)線傳感器網(wǎng)絡(luò)信道建模分析
5.4 多尺度粒子濾波的EM算法對(duì)信道狀態(tài)的估計(jì)
5.5 多尺度粒子濾波的EM算法對(duì)記憶信道參數(shù)的估計(jì)
5.6 多尺度粒子濾波在信道盲估計(jì)中的應(yīng)用
5.7 仿真測(cè)試
5.8 本章小結(jié)
第6章擴(kuò)展算法在WSN中的應(yīng)用(Ⅱ)
6.1 非高斯噪聲無(wú)線多徑衰落信道的描述
6.2 多尺度粒子濾波對(duì)混合高斯噪聲系統(tǒng)的特征參數(shù)估計(jì)
6.3 仿真測(cè)試
6.4 本章小結(jié)
第7章粒子濾波復(fù)雜應(yīng)用
7.1 基于Stiefel流形和權(quán)值優(yōu)化粒子濾波在CS中的應(yīng)用
7.2 基于粒子濾波EM算法應(yīng)用的典型案例
7.3 時(shí)空狀態(tài)演繹模型
7.4 粒子濾波算法與機(jī)器學(xué)習(xí)結(jié)合關(guān)鍵技術(shù)
7.5 粒子濾波在強(qiáng)化學(xué)習(xí)中的應(yīng)用
7.6 基于粒子濾波聯(lián)邦學(xué)習(xí)方法框架的構(gòu)建
7.7 本章小結(jié)
參考文獻(xiàn)
附錄與難點(diǎn)解析說(shuō)明
附錄1 WSN機(jī)動(dòng)目標(biāo)跟蹤模擬流程圖
附錄2 SIR濾波算法仿真程序
附錄3 多尺度粒子濾波算法及其擴(kuò)展算法可行性的理論證明與說(shuō)明
附錄4 不完全β函數(shù)的定義
附錄5 智慧農(nóng)業(yè)感知系統(tǒng)數(shù)據(jù)分析
附錄6 仿真程序與性能進(jìn)一步分析
附錄7 專業(yè)術(shù)語(yǔ)縮略詞表
附錄8 部分彩圖