1) linear recurrence formula
线性递推式
1.
By using Frobenius matrix, this paper presents the common solution in another form to linear recurrence formula with constant coefficients.
本文利用Frobenius矩阵的自乘特性给出常系数线性递推式一般解的一种形
2) linear recurrence
线性递推式
1.
In this paper we consider the following class of linear recurrence with variable coefficients with two indicesu i,j =f(i,j)u i-1,j-1 +g(i,j)u i-q,j-q +h(i,j), u i,0 =c i,0 ,u 0,j =c 0,j (i,j=0,1,…),u i,j =0(i<0 or j<0),where i,j=1,2,…,q≥2,f(i,j),g(i,j) and h(i,j) (i,j≥1) are variable numbers,c i,0 and c 0,j (i,j=0,1,…) are vrbitrary constants.
本文给出了两个指标的非常系数的线性递推式的显式解 。
2.
It is very difficult to get a clear formula solution of general linear recurrence,even for the case of homogeneous recurrence of constantcoefficients with one indicds.
根据代数方程的求解原理 ,利用传统的数学归纳方法 ,通过严密的推导得到了一类两个指标的非常系数线性递推式的显式解 ,从而为解决与之相关的定解问题 ,提供了一个统一、具体的计算公式 。
3) Fractional linear recurrence formula
分式线性递推式
4) linear iteration relations
线性递推关系式
5) bilinear recurrent relation
双线性递推式
6) homogenous bilienar recurrent relation
齐双线性递推式
补充资料：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.
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.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条