图书介绍

贝叶斯滤波与平滑PDF|Epub|txt|kindle电子书版本网盘下载

贝叶斯滤波与平滑
  • （芬）希莫·萨日伽著；程建华，陈岱岱，管冬雪等译；杨晓东，袁书明审校 著
  • 出版社： 北京：国防工业出版社
  • ISBN：9787118102475
  • 出版时间：2015
  • 标注页数：184页
  • 文件大小：23MB
  • 文件页数：197页
  • 主题词：贝叶斯理论－滤波理论；贝叶斯理论－平滑

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：dd4c14be0f729dc5835a186d21d4ecb3

下载说明

贝叶斯滤波与平滑PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第一章 贝叶斯滤波与平滑1

1.1 贝叶斯滤波和平滑的应用1

1.2 贝叶斯滤波和平滑的起源5

1.3 基于最优滤波和平滑的贝叶斯推理6

1.4 贝叶斯滤波和平滑算法9

1.5 参数估计10

1.6 习题11

第二章 贝叶斯推理12

2.1 贝叶斯推理的基本原理12

2.2 贝叶斯推理与极大似然估计12

2.3 贝叶斯模型的基础构成13

2.4 贝叶斯点估计14

2.5 数值方法15

2.6 习题17

第三章 批处理贝叶斯估计与递归贝叶斯估计19

3.1 批处理线性回归19

3.2 递归线性回归21

3.3 批处理估计与递归估计22

3.4 含有漂移的线性回归模型24

3.5 含有漂移的线性回归状态空间模型26

3.6 状态空间模型举例29

3.7 习题33

第四章 贝叶斯滤波方程及其精确解37

4.1 概率状态空间模型37

4.2 贝叶斯滤波方程39

4.3 卡尔曼滤波41

4.4 习题45

第五章 扩展卡尔曼滤波和无迹卡尔曼滤波47

5.1 泰勒级数展开47

5.2 扩展卡尔曼滤波51

5.3 统计线性化55

5.4 统计线性化滤波器57

5.5 无迹变换60

5.6 无迹卡尔曼滤波64

5.7 习题68

第六章 广义高斯滤波71

6.1 高斯矩匹配71

6.2 高斯滤波器72

6.3 Gauss-Hermite积分74

6.4 Gauss-Hermite卡尔曼滤波器77

6.5 球面容积积分78

6.6 容积卡尔曼滤波器81

6.7 习题85

第七章 粒子滤波86

7.1 贝叶斯推理中的蒙特卡洛逼近86

7.2 重要性采样87

7.3 序贯重要性采样89

7.4 序贯重要性重采样91

7.5 Rao-Blackwellized粒子滤波95

7.6 习题97

第八章 贝叶斯平滑方程及其精确解99

8.1 贝叶斯平滑方程99

8.2 Rauch-Tung-Striebel平滑器100

8.3 双滤波器平滑104

8.4 习题105

第九章 扩展平滑与无迹平滑106

9.1 扩展RTS平滑器106

9.2 统计线性化RTS平滑器108

9.3 无迹RTS平滑器109

9.4 习题112

第十章 广义高斯平滑113

10.1 广义高斯RTS平滑器113

10.2 Gauss-Hermite RTS平滑器114

10.3 容积RTS平滑器115

10.4 广义固定点平滑方程117

10.5 广义固定滞后平滑方程119

10.6 习题120

第十一章 粒子平滑121

11.1 SIR粒子平滑器121

11.2 后向模拟粒子平滑器122

11.3 重新加权平滑滤波124

11.4 Rao-Blackwellized粒子平滑器125

11.5 习题126

第十二章 参数估计128

12.1 状态空间模型中参数的贝叶斯估计128

12.2 参数估计的计算方法130

12.2.1 极大后验及拉普拉斯逼近130

12.2.2 基于马尔可夫链的蒙特卡洛参数推断131

12.2.3 期望极大化133

12.3 状态空间模型中的实际参数估计136

12.3.1 状态扩增法136

12.3.2 线性状态空间模型中的参数估计137

12.3.3 利用高斯滤波与平滑的参数估计141

12.3.4 基于粒子滤波与平滑的参数估计143

12.3.5 参数的Rao-Blackwell化146

12.4 习题148

第十三章 结束语149

13.1 贝叶斯方法的选取149

13.2 今后工作展望150

附录152

附录A 其他资料152

A.1 高斯分布的性质152

A.2 Cholesky分解及其导数152

A.3 卡尔曼滤波器参数的导数154

A.4 高斯滤波器参数的导数156

附录B 通用符号160

附录C 符号说明162

附录D 英文缩写释义168

附录E 中英文对照171

参考文献176

热门推荐