《随机逼近》求取 ⇩

第1章准备知识1

1.1 概率论的一些概念1

1.2 停时、鞅和鞅差序列5

1.3 随机微分方程9

1.4 阵的伪逆与微分14

第2章随机逼近算法的分析方法21

2.1 随机逼近算法21

2.2 鞅方法24

2.3 常微分方程方法28

2.4 Lyapunov函数方法34

3.1 随机变界截尾算法的收敛性分析40

第8章随机变界截尾算法40

3.2 收敛速度48

3.3 一些数值模拟例子54

3.4 算法收敛性对量测误差的一个充分必要条件56

3.5 算法的稳健性分析60

第4章随机逼近算法的渐近性质75

4.1 线性递推估计的渐近正态性76

4.2 变界截尾RM算法的渐近正态性87

4.3 渐近有效性92

第5章连续时间的随机逼近107

5.1 连续时间的RM算法107

5.2 变界截尾随机逼近算法111

5.3 收敛速度119

5.4 渐近正态性124

5.5 渐近有效性128

第6章系统参数估计144

6.1 连续时间动力系统中的参数估计144

6.2 再访ODE方法150

6.3 一个适应控制问题163

6.4 连续时间系统的参数估计167

6.5 非线性系统的参数估计175

第7章适应性滤波算法188

7.1 最小方差线性滤波189

7.2 适应性滤波算法的强收敛性192

7.3 一类步长因子下强收敛性的充要条件及稳健性203

7.4 均方收敛与渐近正态性214

7.5 渐近有效性224

第8章随机并行处理及多传感器数据融合230

8.1 异步并行分布式随机逼近算法231

8.2 多处理器序贯异步并行时滞随机逼近算法238

8.3 有关凸组合优化的矩阵函数极值定理242

8.4 多观测器的最优凸组合随机逼近算法246

8.5 多传感器的最优凸组合适应性滤波算法254

参考文献262

后记269

后记文献273