Fr. 81.70

Automatique avancée. Vol. 1. Techniques d'identification et d'estimation - Automatique avancée

French · Paperback / Softback

Shipping usually within 1 to 3 working days

Description

Read more

Cet ouvrage constitue le premier volume de la série Automatique avancée. Il porte sur la modélisation et l'estimation paramétrique des systèmes. Il est divisé en trois parties :


  • la première partie est consacrée à la définition des principes généraux relatifs à la modélisation des systèmes et à quelques rappels de mathématiques et de statistiques. Cette partie met l'accent sur la méthodologie et passe en revue différentes classes de modèles. Quelques outils statistiques et résultats concernant les dérivées vectorielles et matricielles sont présentés ;

  • la deuxième partie expose les méthodes d'estimation paramétriques de différents systèmes, allant des plus simples aux plus compliqués. Sont ainsi étudiées les propriétés des méthodes des moindres carrés, du maximum de vraisemblance, des filtres récurrents, des observateurs d'état dont le filtre de Kalman ;

  • la dernière partie d'Automatique avancée 1 s'intéresse à la mise en oeuvre de la théorie développée précédemment.

Ce livre montre enfin comment tenir compte des liaisons unilatérales et bilatérales et fournit quelques tests statistiques permettant de vérifier a posteriori les hypothèses qui avaient été faites.

Product details

Authors Raymond Hanus, HANUS RAYMOND
Publisher Lavoisier-Hermès
 
Languages French
Product format Paperback / Softback
Released 01.05.2007
 
EAN 9782746217010
ISBN 978-2-7462-1701-0
No. of pages 295
Dimensions 160 mm x 240 mm x 10 mm
Weight 470 g
Series AUTOMATIQUE AVANCEE
Série automatique avancée
Subject Non-fiction book > Nature, technology

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.