基于Bayesian統(tǒng)計推斷的粒子濾波技術及應用

定　價：￥138.00

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

購買這本書可以去

當當網(wǎng) (￥131.10)

ISBN：	9787576717747	出版時間：	2025-01-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　.本書針對大數(shù)據(jù)決策理論中涉及的安全可靠風險問題，以及可靠性與精確性的制約折中優(yōu)化的問題，將研究的重點主要集中于基于Bayesian統(tǒng)計推斷的粒子濾波算法的研究和應用，在論述粒子濾波算法的同時，主要融入了作者新的研究思想，即點估計觀測值先驗概率，同時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，利用不同粗細尺度對動態(tài)系統(tǒng)狀態(tài)空間中的一條馬爾可夫鏈進行交替耦合采樣，借助于傳遞和更新狀態(tài)信息及參數(shù)信息來搜索狀態(tài)和參數(shù)的最大聯(lián)合后驗分布似然函數(shù)。細尺度的重要采樣能保持精度，粗尺度的重要采樣能提高運算效率，粗細尺度交替耦合采樣則能有效抑制粒子的退化現(xiàn)象。本書為深度學習人工智能并深入研究奠定堅實的理論基礎。本書適合對大數(shù)據(jù)、統(tǒng)計信號處理、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域感興趣的高年級本科生、碩士研究生、博士研究生及從事相關領域研究的科研人員參考閱讀。

作者簡介

暫缺《基于Bayesian統(tǒng)計推斷的粒子濾波技術及應用》作者簡介

圖書目錄

第1章緒論
1.1 粒子濾波定義與擴展概述
1.2 粒子濾波算法性能描述
1.3 粒子濾波及其應用的分類概述
1.4 粒子濾波算法及其應用
1.5 粒子濾波與強化學習結合在數(shù)字孿生可靠性估計中的應用
1.6 本章小結
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
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識別與跟蹤算法實現(xiàn)
3.5 多尺度粒子濾波算法的深入討論
3.6 多尺度粒子濾波對目標跟蹤與聲源定位仿真
3.7 多尺度粒子濾波算法的總結和性能分析
3.8 本章小結
第4章多尺度粒子濾波的擴展算法
4.1 擴展算法的前提條件
4.2 多尺度粒子濾波的統(tǒng)計算法
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間序列中的應用仿真
4.5 多尺度粒子濾波的均值漂移算法
4.6 本章小結
第5章擴展算法在WSN中的應用(Ⅰ)
5.1 WSN概述
5.2 WSN中機動目標狀態(tài)的估計
5.3 無線傳感器網(wǎng)絡信道建模分析
5.4 多尺度粒子濾波的EM算法對信道狀態(tài)的估計
5.5 多尺度粒子濾波的EM算法對記憶信道參數(shù)的估計
5.6 多尺度粒子濾波在信道盲估計中的應用
5.7 仿真測試
5.8 本章小結
第6章擴展算法在WSN中的應用(Ⅱ)
6.1 非高斯噪聲無線多徑衰落信道的描述
6.2 多尺度粒子濾波對混合高斯噪聲系統(tǒng)的特征參數(shù)估計
6.3 仿真測試
6.4 本章小結
第7章粒子濾波復雜應用
7.1 基于Stiefel流形和權值優(yōu)化粒子濾波在CS中的應用
7.2 基于粒子濾波EM算法應用的典型案例
7.3 時空狀態(tài)演繹模型
7.4 粒子濾波算法與機器學習結合關鍵技術
7.5 粒子濾波在強化學習中的應用
7.6 基于粒子濾波聯(lián)邦學習方法框架的構建
7.7 本章小結
參考文獻
附錄與難點解析說明
附錄1 WSN機動目標跟蹤模擬流程圖
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展算法可行性的理論證明與說明
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 仿真程序與性能進一步分析
附錄7 專業(yè)術語縮略詞表
附錄8 部分彩圖