XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: STOCHASTIC APPROXIMATION APPROACH FOR SYSTEM IDENTIFICATION Autor: CARLOS KUBRUSLY
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
JEAN PAUL GRAVIER - ADVISOR
Nº do Conteudo: 9920
Catalogação: 16/05/2007 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9920@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9920@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.9920
Resumo:
Título: STOCHASTIC APPROXIMATION APPROACH FOR SYSTEM IDENTIFICATION Autor: CARLOS KUBRUSLY
Nº do Conteudo: 9920
Catalogação: 16/05/2007 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9920@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9920@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.9920
Resumo:
The stochastic approximation approach is used for systems
identification.
A memoryless time-invariant system with functional form
completely unknow is identified by means of an estimate
based on a preselected and linearly independent set of
function which minimizes the mean-square-error criterion.
The system identification is obtained using a stochastic
approximation recursive algorithm, which convergs to a
real value of this estimate, with probability 1 and in the
mean square sense. The acceleration study of this
algorithm is developd by proving the existence of an
optimal sequence.
The application of this algorithm for a linear timevariant
system identification is proved, nevertheless the
convergence acceletation is not anymore a consequence of
the last case.
Next is presented a tentative to by-pass the problem of
states accessibility, required for the stochastic
approximation, using simultaneously parameters systems
identification with the Kalman-filter algorithms for
states estimation.
Descrição | Arquivo |
COVER, ACKNOWLEDGEMENTS, RESUMO, ABSTRACT, RÉSUMÉ AND SUMMARY | |
INTRODUCTION | |
CHAPTER 1 | |
CHAPTER 2 | |
CHAPTER 3 | |
CHAPTER 4 | |
APPENDICES | |
REFERENCES |