卡吉瓦达，H.H。;Kagiwada，J.K。;卡拉巴，R.E。 精确被动测距。 （英语） Zbl 0781.65114号 计算。数学。应用。 26，第4号，89-96（1993）. 小结：被动测距的问题很复杂，但很重要。本文将其表述为一个非线性最小二乘问题，并通过Newton-Raphson技术进行求解。我们使用FEED方法进行快速成型和自动评估偏导数。本文给出了两个重要结果。（1） 该方法能够快速收敛并准确估计各种不同噪声模型的位置。（2） FEED的使用为评估噪声对参数估计的影响问题提供了一种新的精确解决方案，而无需进行蒙特卡罗计算实验。像这样的非线性方法需要初步的参数估计，为此我们建议使用联想记忆神经网络。 MSC公司： 65C99个 概率方法，随机微分方程 78A40型 光学和电磁理论中的波和辐射 93E12号机组 随机控制理论中的辨识 62M20型 随机过程推断和预测 关键词：辐射源位置的估计;系统标识;被动测距;非线性最小二乘问题;牛顿-拉夫森技术;参数估计;联想记忆自然网络 PDF格式BibTeX公司 XML格式引用 \textit{H.H.Kagiwada}等人，计算。数学。申请。26，第4号，89--96（1993；Zbl 0781.65114） 全文： 内政部 参考文献： [1] d'Ocagne，M.，La确定点le加上可能的donne par un系统de droites non-convergentes的几何，J.de L'Ecole Polytechnique，LXIII，1125（1893） [2] Kagiwada，H.，《系统识别：方法和应用》（1974），艾迪生-韦斯利出版公司：艾迪生/韦斯利出版社，马萨诸塞州雷丁·Zbl 0282.93014号 [3] 贝尔曼，R。；Kagiwada，H。；卡拉巴，R。；Sridhar，R.，不变量嵌入和非线性滤波理论，航天科学杂志，13110-115（1966） [4] 卡吉瓦达，H。；Kalaba，R.，通过与成像EO和其他传感器的多传感器融合进行被动测距和跟踪，1986年IRIS红外成像专业小组（1986年） [5] Spingarn，K.，使用扩展卡尔曼滤波器估计被动位置，IEEE航空航天和电子系统汇刊，AES-23558-567（1987） [6] Kagiwada，H。；卡拉巴，R。；北拉萨胡。；Spingarn，K.，《数值导数和非线性分析》（1986），阻燃出版社：纽约阻燃出版社·兹伯利0665.65017 [7] Kagiwada，H。；Kagiwada，J。；Kalaba，R.，第三代被动测距的联想记忆，计算机数学。应用。，21, 2/3, 81-85 (1991) [8] Kohonen，T.，《自我组织和联想记忆》（1987），施普林格-弗拉格出版社·Zbl 0659.68100号 [9] Kosko，B.，《差分Hebbian学习》（Denker，J.S.，AIP会议记录151:计算神经网络（1986），美国物理研究所），227-282 [10] Berman，S.，与迭代最小二乘解相关的传播误差示例，应用数学与计算，34，3，173-193（1989）·Zbl 0689.65094号 [11] Kagiwada，H。；卡拉巴，R。；蒂姆科，S。；Ueno，S.，用于系统识别的联想记忆：遥感中的逆问题，第七届数学和计算机建模国际会议论文集，202-220（1990）·Zbl 0731.93019号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。