递归估计,recursive estimation
Recursive Kernel Estimation递归核估计
1.The Strong Lonsisteny of A Mixed-typeRecursive Kernel Estimation of Regression Function;回归函数的混合型递归核估计的强相合性
3)recursive parameter estimation递归参数估计
4)recu rsive state estimation递归状态估计
5)Recursive kernel estimator递归核估计量
6)recursive estimation in cointegrated VAR model递归协整估计
延伸阅读
递推估计算法利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2),直到获得满意的参数值为止。这种算法的每一步计算量都比较小,能够使用小型计算机进行离线或在线参数估计,可以估计时变参数,也可以实时估计适应控制器的参数(见适应控制系统)。20世纪60年代,递推估计算法得到迅速发展,到了70年代产生了许多不同的方法,例如,有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述:给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法:①递推最小二乘法;②递推增广最小二乘法;③递推近似极大似然法;④递推辅助变量法;⑤递推广义最小二乘法;⑥卡尔曼滤波参数估计;⑦随机逼近法;⑧模型参考适应法;⑨时变参数递推估计法。参考书目Lennart Ljung,Torsten Soderstrom, Theory and Practice of Recursive Identification,MIT Press., Combridge, Mass., 1983.