توضیحات
‘The design of optimal operators takes different forms depending on the random process constituting the scientific model and the operator class of interest. In all cases, operator class and random process must be united in a criterion (cost function) that characterizes the operational objective and, relative to the cost function, an optimal operator found. A common difficulty is uncertainty in the parameters of the scientific model. Then, in addition to optimization relative to the original cost function, optimization must take into account uncertainty relative to an uncertainty class of random processes. If there is a prior distribution (or posterior distribution if data are employed) governing likelihood in the uncertainty class, then one can choose an operator minimizing the expected cost over the uncertainty class. A critical point is that the prior distribution is not on the parameters of the operator model, but on the uncertainty relative to the parameters of the scientific model. The basic principle embodied in the book is to express the optimal operator under the joint probability space formed from the joint internal and external uncertainty in the same form as the optimal operator for a known model by replacing the mathematical structures forming the standard optimal operator with corresponding structures, called effective characteristics, that incorporate model uncertainty. For instance, in Wiener filtering the power spectra might be uncertain and be replaced by effective power spectra in the representation of the Wiener filter’– Read more…
In the classical approach to optimal filtering, it is assumed that the stochastic model of the physical process is fully known. With uncertain models, the natural solution is to optimize over both
the original objective and the model uncertainty, thereby arriving at optimal robust operators, the topic of this book. Read more…
————————————————————–
ترجمه ماشینی :
طراحی اپراتورهای بهینه بسته به فرآیند تصادفی که مدل علمی و کلاس اپراتور مورد علاقه را تشکیل می دهد، اشکال مختلفی دارد. در همه موارد، کلاس عملگر و فرآیند تصادفی باید در یک معیار (تابع هزینه) که هدف عملیاتی را مشخص میکند و نسبت به تابع هزینه، یک عملگر بهینه پیدا میکند، متحد شوند. یک مشکل رایج عدم قطعیت در پارامترهای مدل علمی است. سپس، علاوه بر بهینه سازی نسبت به تابع هزینه اصلی، بهینه سازی باید عدم قطعیت نسبت به یک کلاس عدم قطعیت از فرآیندهای تصادفی را در نظر بگیرد. اگر توزیع قبلی (یا توزیع پسینی در صورت استفاده از داده ها) وجود داشته باشد که بر احتمال در کلاس عدم قطعیت حاکم است، می توان اپراتوری را انتخاب کرد که هزینه مورد انتظار را نسبت به کلاس عدم قطعیت به حداقل می رساند. یک نکته مهم این است که توزیع قبلی بر روی پارامترهای مدل عملگر نیست، بلکه بر عدم قطعیت نسبت به پارامترهای مدل علمی است. اصل اساسی ارائه شده در کتاب بیان عملگر بهینه تحت فضای احتمال مشترک تشکیل شده از عدم قطعیت داخلی و خارجی مشترک به همان شکل عملگر بهینه برای یک مدل شناخته شده با جایگزینی ساختارهای ریاضی تشکیل دهنده عملگر بهینه استاندارد با متناظر است. ساختارهایی که ویژگیهای مؤثر نامیده میشوند، که عدم قطعیت مدل را در خود جای میدهند. به عنوان مثال، در فیلتر وینر، ممکن است طیف توان نامشخص باشد و با طیف توان موثر در نمایش فیلتر وینر جایگزین شود.
در رویکرد کلاسیک به فیلترینگ بهینه، فرض
tag : دانلود کتاب پردازش سیگنال بهینه در شرایط عدم قطعیت , Download پردازش سیگنال بهینه در شرایط عدم قطعیت , دانلود پردازش سیگنال بهینه در شرایط عدم قطعیت , Download Optimal signal processing under uncertainty Book , پردازش سیگنال بهینه در شرایط عدم قطعیت دانلود , buy پردازش سیگنال بهینه در شرایط عدم قطعیت , خرید کتاب پردازش سیگنال بهینه در شرایط عدم قطعیت , دانلود کتاب Optimal signal processing under uncertainty , کتاب Optimal signal processing under uncertainty , دانلود Optimal signal processing under uncertainty , خرید Optimal signal processing under uncertainty , خرید کتاب Optimal signal processing under uncertainty ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.