著者:吉田 勝俊
¥540 → ¥0
★★★ 図7.2 (a) が一部端末で非表示となる不具合の修正 2020/3/5 ★★★
端末に依存しにくい形式に入稿データを改めました.あわせて細かな誤植を訂正しました.
★★★ タイトルの変更について 2020/2/5 ★★★
本書は,ミスリードとされた旧タイトルの一部(Pythonでわかる)を改題したものです.
内容は旧版『Pythonでわかる確率論入門ー確率空間からカルマンフィルタまで』と変わりません.
=== 目次 ===
まえがき
1 章 導入 — 状態推定とノイズの小話
1.1 変位の測定と速度の推定
1.2 状態推定と濾波
1.3 現代確率論のすすめ
2 章 確率空間とは
2.1 ランダム現象と確率空間
2.2 見本空間 Ω
2.3 事象の代数 F
2.4 確率 P
2.5 確率変数 X(ω)
3 章 ランダム現象の例
3.1 射撃実験
3.2 確率変数
3.3 事象と確率
3.4 見本空間のタイプ
4 章 確率分布
4.1 分布関数と密度関数
4.2 確率分布の例
5 章 多変数の確率分布
5.1 確率ベクトル
5.2 2 次元の分布
5.3 独立性
5.4 多次元の分布
6 章 期待値
6.1 確率変数の期待値
6.2 確率ベクトルの期待値
6.3 共分散と相関
6.4 条件付き期待値
6.5 ベクトルと行列の期待値
7 章 確率ベクトルの変換
7.1 確率変数の加法とスカラ倍
7.2 ガウス確率変数の加法とスカラ倍
7.3 共分散行列と多変数ガウス分布
7.4 ガウス確率ベクトルの線形変換
8 章 推定問題と直交射影
8.1 最小二乗法
8.2 確率変数の線形代数
8.3 ベクトルの近似
8.4 確率変数の推定
9 章 確率ベクトルの推定
9.1 条件付き期待値
9.2 確率ベクトルの推定
9.3 確率ベクトルの線形回帰
10 章 確率過程とその推移則
10.1 確率過程
10.2 確率的な状態方程式
10.3 期待値と共分散行列の推移則
10.4 モンテカルロ法による数値例
11 章 カルマンフィルタ
11.1 線形確率システム
11.2 状態推定問題
11.3 カルマンフィルタの導出
11.4 カルマンフィルタ
11.5 定常カルマンフィルタ
12 章 連続時間カルマンフィルタ
12.1 連続時間系の離散時間近似
12.2 Kalman-Bucy フィルタ
12.3 定常 Kalman-Bucy フィルタ
13 章 LQG 制御への応用
13.1 制御入力のあるカルマンフィルタ
13.2 LQG レギュレータ
13.3 分離定理
14 章 パラメータ推定への応用と拡張
14.1 カルマンフィルタによるパラメータ推定
14.2 拡張カルマンフィルタ (EKF および EKBF)
14.3 アンサンブルカルマンフィルタ (EnKF)
付録A 集合論の概要
参考文献
索引
シリーズ一覧
- 同シリーズの電子書籍はありませんでした。
この期間中は料金が980円→0円となるため、この記事で紹介している電子書籍は、すべてこのKindle Unlimited無料体験で読むことが可能です。