Temat: polynomials basis - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Próbkowanie sygnałów diagnostycznych. Część 3. Próbkowanie w przestrzeni Hilberta z bazami wielomianowymi za pomocą nieklasycznych jąder
Sampling the diagnostic signals. Part 3. Sampling in the Hilbert space with polynomials basis using non clasical kernel
Autorzy:: Syroka, Z.
Powiązania:: https://bibliotekanauki.pl/articles/328171.pdf
Data publikacji:: 2007
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:: próbkowanie sygnałów
przestrzeń Hilberta
bazy wielomianowe
nieklasyczne jądro reprodukujące
sampling signals
Hilbert space
polynomials basis
reproducing kernel
Opis:: W pracy wyprowadzono regułą Cristoffela - Darboux oraz dokonano analizy próbkowania sygnałów diagnostycznych przy wykorzystaniu jądra Legendr'a, Czebyszewa, Laguerre'a i Hermite'a. Podano metodykę wyprowadzania jąder reprodukujących w bazach opartych o klasyczne wielomiany ortogonalne.
In this article removaled the Cristoffela - Darboux rule. The analysis of the sampling diagnostic signals using Legendr's, Czebyszew's, Laguerre's and Hermite's kernals was made. Methodology of derivation of reproducing kernels in basics, based on clasical ortogonal polynomial.
Źródło:: Diagnostyka; 2007, 2(42); 35-41
1641-6414
2449-5220
Pojawia się w:: Diagnostyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Skocz do pozycji: 2.

Tytuł:: Two steps piecewise affine identification of nonlinear systems
Autorzy:: Stevek, J.
Szucs, A.
Kvasnica, M.
Fikar, M.
Kozak, S.
Powiązania:: https://bibliotekanauki.pl/articles/229499.pdf
Data publikacji:: 2012
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: piecewise affine systems
piecewise linear
approximation
nonlinear systems
orthogonal polynomials
basis function expansion
Opis:: Given a set of input-output measurements, the paper proposes a method for approximation of a nonlinear system by a piecewise affine model (PWA). First step of the two-stage procedure is identification from input-output data, in order to obtain an appropriate nonlinear function in analytic form. The analytic expression of the model can be represented either by a static nonlinear function or by a dynamic system and can be obtained using a basis function expansion modeling approach. Subsequently we employ nonlinear programming to derive optimal PWA approximation of the identified model such that the approximation error is minimized. Moreover, we show that approximation of multivariate systems can be transformed into a series of one-dimensional approximations, which can be solved efficiently using standard optimization techniques.
Źródło:: Archives of Control Sciences; 2012, 22, 4; 371-388
1230-2384
Pojawia się w:: Archives of Control Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Informacja