کتاب شناسایی سیستم‌های دینامیکی با استفاده از نمودارهای آسنپتوتیک با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شناسایی سیستم‌های دینامیکی با استفاده از نمودارهای آسنپتوتیک

موضوع کلی: تحلیل و طراحی سیستم‌های کنترلی

موضوع میانی: روش‌های شناسایی سیستم

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سیستم‌های دینامیکی و کنترل
  • 2. مدل‌سازی ریاضی سیستم‌های فیزیکی
  • 3. نمودارهای بلوکی و توابع انتقالی
  • 4. تحلیل پاسخ زمانی سیستم‌های مرتبه اول
  • 5. تحلیل پاسخ زمانی سیستم‌های مرتبه دوم
  • 6. پاسخ فرکانسی سیستم‌های خطی و زمان ثابت
  • 7. تابع انتقال و مشخصات فرکانسی
  • 8. روش‌های تعیین تابع انتقال از ورودی و خروجی
  • 9. شناسایی سیستم با استفاده از داده‌های ورودی-خروجی
  • 10. روش حداقل مربعات (Least Squares)
  • 11. برآورد پارامترهای سیستم با استفاده از روش حداقل مربعات
  • 12. روش‌های تکراری حداقل مربعات
  • 13. شناسایی سیستم با استفاده از روش‌های گرادیان
  • 14. روش‌های پیش‌بینی-اصلاح خطا (Prediction-Error Methods)
  • 15. شناسایی سیستم با استفاده از روش‌های حداکثر درست‌نمایی (Maximum Likelihood)
  • 16. مدل‌های اتورگرسیو (AR) و میانگین متحرک (MA)
  • 17. مدل‌های ARMA و ARMAX
  • 18. روش‌های شناسایی سیستم در فضای حالت (State-Space Identification)
  • 19. شناسایی سیستم با استفاده از الگوریتم‌های Kalman Filter
  • 20. تخمین وضعیت (State Estimation)
  • 21. برآورد ناپارامتری سیستم
  • 22. روش طیف توان (Power Spectrum Method)
  • 23. روش همبستگی (Correlation Method)
  • 24. شناسایی سیستم‌های غیرخطی
  • 25. مدل‌سازی ولترا (Volterra Series)
  • 26. شبکه‌های عصبی مصنوعی در شناسایی سیستم
  • 27. کاربرد شبکه‌های عصبی در شناسایی سیستم‌های غیرخطی
  • 28. اعتبارسنجی مدل‌های شناسایی شده
  • 29. تحلیل حساسیت مدل
  • 30. تکنیک‌های کاهش مرتبه مدل
  • 31. شناسایی سیستم‌های چندورودی چندخروجی (MIMO)
  • 32. شناسایی سیستم‌های تاخیری (Time-Delay Systems)
  • 33. شناسایی سیستم‌های ناپیوسته (Discontinuous Systems)
  • 34. شناسایی سیستم‌های با نویز
  • 35. فیلتر کردن نویز در داده‌های شناسایی
  • 36. روش‌های شناسایی مقاوم (Robust Identification)
  • 37. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های محدود
  • 38. روش‌های شناسایی سیستم برخط (On-line Identification)
  • 39. کاربردهای شناسایی سیستم در کنترل تطبیقی (Adaptive Control)
  • 40. شناسایی سیستم‌های پیچیده و بزرگ‌مقیاس
  • 41. روش‌های موازی و توزیع‌شده برای شناسایی سیستم
  • 42. شناسایی سیستم در حضور عدم قطعیت
  • 43. تکنیک‌های شناسایی سیستم مبتنی بر هوش مصنوعی
  • 44. استفاده از الگوریتم‌های ژنتیک در شناسایی سیستم
  • 45. شناسایی سیستم‌های چند متغیره با استفاده از تجزیه به مؤلفه‌های اصلی (PCA)
  • 46. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های سری زمانی
  • 47. روش‌های شناسایی سیستم برای داده‌های غیرخطی و نامنظم
  • 48. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های چندحسی (Multisensory Data)
  • 49. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های بالا بُعدی (High-Dimensional Data)
  • 50. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های فشرده (Compressed Data)
  • 51. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های جریان (Streaming Data)
  • 52. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های پراکنده (Sparse Data)
  • 53. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های نامتعادل (Imbalanced Data)
  • 54. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های گم‌شده (Missing Data)
  • 55. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های دارای پرت (Outlier Data)
  • 56. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های نویزی (Noisy Data)
  • 57. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های نامطمئن (Uncertain Data)
  • 58. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های غیرقابل اعتماد (Untrustworthy Data)
  • 59. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ضد و نقیض (Conflicting Data)
  • 60. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ناقص (Incomplete Data)
  • 61. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های تحریف‌شده (Distorted Data)
  • 62. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های تقلبی (Fake Data)
  • 63. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های دستکاری‌شده (Manipulated Data)
  • 64. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ناشناس (Anonymous Data)
  • 65. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های شخصی (Personal Data)
  • 66. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های حساس (Sensitive Data)
  • 67. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های طبقه‌بندی‌شده (Classified Data)
  • 68. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های محرمانه (Confidential Data)
  • 69. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های عمومی (Public Data)
  • 70. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های باز (Open Data)
  • 71. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های خصوصی (Private Data)
  • 72. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های داخلی (Internal Data)
  • 73. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های خارجی (External Data)
  • 74. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ترکیبی (Hybrid Data)
  • 75. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ساختگی (Synthetic Data)
  • 76. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های شبیه‌سازی‌شده (Simulated Data)
  • 77. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های واقعی (Real Data)
  • 78. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های آزمایشگاهی (Laboratory Data)
  • 79. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های میدانی (Field Data)
  • 80. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های تاریخی (Historical Data)
  • 81. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های جاری (Current Data)
  • 82. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های آینده (Future Data)
  • 83. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های گذشته (Past Data)
  • 84. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های زمان‌واقعی (Real-Time Data)
  • 85. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های آفلاین (Offline Data)
  • 86. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های بلادرنگ (Non-Real-Time Data)
  • 87. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های دوره‌ای (Periodic Data)
  • 88. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های تصادفی (Random Data)
  • 89. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های منظم (Regular Data)
  • 90. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های نامنظم (Irregular Data)
  • 91. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ساختاریافته (Structured Data)
  • 92. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های بدون ساختار (Unstructured Data)
  • 93. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های نیمه‌ساختاریافته (Semi-Structured Data)
  • 94. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های متنی (Textual Data)
  • 95. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های تصویری (Image Data)
  • 96. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های صوتی (Audio Data)
  • 97. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های ویدئویی (Video Data)
  • 98. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های سه‌بعدی (3D Data)
  • 99. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های دو بعدی (2D Data)
  • 100. شناسایی سیستم‌های دینامیکی با استفاده از داده‌های یک بعدی (1D Data)
تگ‌ها: آسنپتوت تحلیل سیستم روش‌های شناسایی سیستم‌های دینامیکی شناسایی سیستم طراحی کنترل کنترل خودکار کنترول نمودارهای آسنپتوتیک

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.