1) linear recurrence systems
线性递推系统
2) linear iteration relations
线性递推关系式
3) linear recurrence relation
线性递推关系
1.
As their application a general solution on linear recurrence relations is obtained.
对若当标准形及所使用的可逆矩阵的计算加以简化,并借助若当标准形给出线性递推关系式求解的一般方法。
2.
We consider the following a class of linear recurrence relation with constant coefficients having two indices u i,j =pm=11n=0(a m,n u i-m,j-n )+f(i,j) u k,0 =c k (k=0,1,…,p-1),u i,j =0(i<0 or j<0) where i,j≥0,p≥1,a m,n (m=1,2,…,p;n=0,1 ) and c k(k=0,1,…,p-1 ) are constants.
给出了一类带双指标的常系数线性递推关系的一般显式解。
4) linear recurrence
线性递推
1.
Eigenvalue method used for a series of linear recurrence limit;
用特征值法求一类线性递推数列的极限
6) Linear recurrence with constant coefficients
常系数线性递推式
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