《随机逼近》求取 ⇩

第一章 概率基础1

1.1 概率空间(Q，F，P)1

1.2 可测函数的收敛性7

1.3 条件期望11

1.4 Markoff过程和它的生成算子15

1.5 鞅(martingale)18

第二章 由递推方程定义的随机过程26

2.1 由随机递推方程定义的过程26

2.2 样本函数离开区域G的条件34

2.3 样本函数的收敛性45

2.4 在模式识别中的应用57

3.1 Robbing-Monro(RM)*算法62

第三章 具有不相关噪声的随机逼近算法62

3.2 Kiefer-Wolfowitz(KW)算法79

3.3 极值点不唯一时的随机逼近算法88

3.4 修正的随机逼近算法108

第四章 具有相关噪声的随机逼近算法115

4.1 相关噪声115

4.2 随机逼近算法与常微分方程解的关系132

4.3 修正的随机逼近算法149

第五章 线性随机逼近算法及其应用167

5.1 线性随机逼近算法167

5.2 波束形成器190

5.3 递推最小二乘估计201

参考文献212