能控性(controllability)和能观测性(observability)深刻地揭示了系统的内部结构关系,由 .e.Kalman于60年代初首先提出并研究的这两个重要概念,在现代控制理论的研究与实 践中,具有极其重要的意义,事实上,能控性与能观测性通常决定了最优控制问题解的存 在性。例如,在极点配置问题中,状态反馈的的存在性将由系统的能控性决定;在观测器 设计和最优估计中,将涉及到系统的能观测性条件

第三章线性多变量系统的能控性与能观测性分析 能控性(controllability)和能观测性(observability)深刻地揭示了系统的内部结构关系,由 .e.Kalman于60年代初首先提出并研究的这两个重要概念,在现代控制理论的研究与实 践中,具有极其重要的意义,事实上,能控性与能观测性通常决定了最优控制问题解的存 在性。例如,在极点配置问题中,状态反馈的的存在性将由系统的能控性决定;在观测器 设计和最优估计中,将涉及到系统的能观测性条件

运用运筹学的理论和方法，建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想，提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法，在最优解的近似区间内多次迭代逐渐逼近最优解，实现了双权重网络图最短路的求解，是一种近似的、快速的算法.基于所构造辅助函数的性质，给出实现该算法的具体步骤.对误差进行线性估计，分析了该算法收敛速度的影响因素，并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法，证实其模拟结果与理论分析结论相吻合

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

二重比估计与二重回归估计的思想与二重分层估计的思 想相类似。比估计与回归估计需要事先知道辅助变量X的平 均数或总和。如果事先并不掌握辅助变量的平均数或者总和 的信息,但辅助变量的观察要比调查的指标Y容易得多,那 么就可以使用二重比估计或者二重回归估计

为获得安全可靠的疲劳极限,提出了处理升降法试验数据置信限-可靠度-应力(C-R-S)曲线方法.把升降法的应力水平和可靠度作为随机变量,进行了最优分布检验和参数估计,确定置信限,按三参数Weibull分布、采用最小二乘法拟合C-R-S曲线,获得具有一定置信限和可靠度的疲劳极限.通过38SiMnMo调质齿轮弯曲疲劳强度升降法试验,获得置信限为95%、可靠度为99%的弯曲疲劳极限应力为283.76MPa,位于GB3480极限应力框图内,表明该方法是可行的

15.1 为什么需要非参数与半参数估计 15.2 对密度函数的非参数估计 15.3 核密度估计的性质 15.4 最优带宽 15.5 多元密度函数的核估计 15.6 非参数核回归 15.7 多元核回归 15.8 k近邻回归 15.9 局部线性回归 15.10 非参数估计的Stata命令及实例 15.11 半参数估计

信息论：是一门应用概率论、 随机过程、数理统计和近世代 数的方法，来研究广义的信息 传输、提取和处理系统中一般 规律的科学；它的主要目的是 提高信息系统的有效性和可靠 性，最优化；其主要内容（或 分支）包括：香农理论、编码 理论、维纳理论、检测和估计 理论、信号设计与估计理论、 调制理论和随机噪声理论

通过把轧制力方程和厚度控制方程在小范围内线性化、离散化,用递推最小二乘法辨识出系统的状态空间模型.给出了基于Kalman滤波法的最优信息融合算法,并针对热连轧这个复杂的多变量系统设计了异步信息融合估计算法.将模型用于热连轧机带钢厚度预测中,同时也预测带钢塑性系数Q.最后把实时预测出的带钢出口厚度和带钢塑性系数应用于带钢热连轧厚度控制系统,提高了带钢厚度质量

在一个统计决策问题中,可供选择的决策函 数往往很多,自然希望寻找使风险最小的决策函 数,然而在这种意义下的最优决策函数往往是不 存在的。这是因为风险函数R(,d)是既依赖于参 数又依赖于决策函数d的二元函数,它往往会 使得在某些处决策函数1的风险函数值较小; 而在另一些θ处决策函数a2的风险函数值较小。要解这个问题,就要建立一个整体指标的比较准则