1: Erweiterter Kalman-Filter: Stellt den erweiterten Kalman-Filter (EKF) vor, ein zentrales Werkzeug der nichtlinearen Schätzung.
2: Bra-Ket-Notation: Erklärt die mathematischen Grundlagen mit Schwerpunkt auf der Struktur quantenähnlicher Systeme.
3: Krümmung: Erläutert das Konzept der Krümmung und ihren Einfluss auf die Leistung nichtlinearer Filter.
4: Maximum-Likelihood-Schätzung: Beschreibt detailliert den statistischen Ansatz, der zur Schätzung der Parameter mit der höchsten Wahrscheinlichkeit verwendet wird.
5: Kalman-Filter: Bietet eine eingehende Untersuchung des Kalman-Filters, der Grundlage vieler Zustandsschätzungstechniken.
6: Kovarianzmatrix: Beschreibt die Kovarianzmatrix und ihre Rolle bei der Quantifizierung der Unsicherheit beim Filtern.
7: Ausbreitung der Unsicherheit: Untersucht, wie sich die Unsicherheit im Laufe der Zeit ausbreitet und die Filtergenauigkeit beeinflusst.
8: Levenberg-Marquardt-Algorithmus: Stellt diesen Algorithmus vor, der nichtlineare Kleinstquadrate-Probleme optimiert.
9: Konfidenzbereich: Erklärt den statistischen Bereich, der die Genauigkeit von Parameterschätzungen quantifiziert.
10: Nichtlineare Regression: Konzentriert sich auf Methoden zur Anpassung nichtlinearer Modelle an Daten mithilfe von Optimierungstechniken.
11: Schätztheorie: Bietet die Theorie hinter der Schätzung, die für das Verständnis von Filterdesign und -analyse wesentlich ist.
12: Verallgemeinerte Kleinstquadrate: Erläutert den verallgemeinerten Ansatz zur Lösung von Regressionsproblemen bei Heteroskedastizität.
13: Von-Mises-Fisher-Verteilung: Stellt diese Wahrscheinlichkeitsverteilung vor, die für Richtungsdaten in hohen Dimensionen nützlich ist.
14: Ensemble-Kalman-Filter: Erforscht eine Variante des Kalman-Filters, die für groß angelegte nichtlineare Systeme geeignet ist.
15: Filterproblem (stochastische Prozesse): Beschreibt im Detail, wie Filterung auf Zufallsprozesse in dynamischen Systemen angewendet werden kann.
16: GPS/INS: Beschreibt die Integration von GPS und Trägheitsnavigationssystemen für präzise Navigation und Schätzung.
17: Lineare kleinste Quadrate: Behandelt die Methode der kleinsten Quadrate zur Lösung linearer Regressionsprobleme.
18: Symmetrieerhaltender Filter: Stellt Filter vor, die die Symmetrie in Systemen bewahren sollen, was in der Robotik wichtig ist.
19: Invarianter erweiterter Kalman-Filter: Erklärt eine Variante von EKF, die die Invarianz in nichtlinearen Systemen aufrechterhält.
20: Unscented-Transformation: Bespricht die Unscented-Transformation, eine Technik zur Verbesserung der Zustandsschätzung in nichtlinearen Modellen.
21: SAMV (Algorithmus): Stellt den SAMV-Algorithmus für robuste Schätzungen in unsicheren Umgebungen vor.
2: Bra-Ket-Notation: Erklärt die mathematischen Grundlagen mit Schwerpunkt auf der Struktur quantenähnlicher Systeme.
3: Krümmung: Erläutert das Konzept der Krümmung und ihren Einfluss auf die Leistung nichtlinearer Filter.
4: Maximum-Likelihood-Schätzung: Beschreibt detailliert den statistischen Ansatz, der zur Schätzung der Parameter mit der höchsten Wahrscheinlichkeit verwendet wird.
5: Kalman-Filter: Bietet eine eingehende Untersuchung des Kalman-Filters, der Grundlage vieler Zustandsschätzungstechniken.
6: Kovarianzmatrix: Beschreibt die Kovarianzmatrix und ihre Rolle bei der Quantifizierung der Unsicherheit beim Filtern.
7: Ausbreitung der Unsicherheit: Untersucht, wie sich die Unsicherheit im Laufe der Zeit ausbreitet und die Filtergenauigkeit beeinflusst.
8: Levenberg-Marquardt-Algorithmus: Stellt diesen Algorithmus vor, der nichtlineare Kleinstquadrate-Probleme optimiert.
9: Konfidenzbereich: Erklärt den statistischen Bereich, der die Genauigkeit von Parameterschätzungen quantifiziert.
10: Nichtlineare Regression: Konzentriert sich auf Methoden zur Anpassung nichtlinearer Modelle an Daten mithilfe von Optimierungstechniken.
11: Schätztheorie: Bietet die Theorie hinter der Schätzung, die für das Verständnis von Filterdesign und -analyse wesentlich ist.
12: Verallgemeinerte Kleinstquadrate: Erläutert den verallgemeinerten Ansatz zur Lösung von Regressionsproblemen bei Heteroskedastizität.
13: Von-Mises-Fisher-Verteilung: Stellt diese Wahrscheinlichkeitsverteilung vor, die für Richtungsdaten in hohen Dimensionen nützlich ist.
14: Ensemble-Kalman-Filter: Erforscht eine Variante des Kalman-Filters, die für groß angelegte nichtlineare Systeme geeignet ist.
15: Filterproblem (stochastische Prozesse): Beschreibt im Detail, wie Filterung auf Zufallsprozesse in dynamischen Systemen angewendet werden kann.
16: GPS/INS: Beschreibt die Integration von GPS und Trägheitsnavigationssystemen für präzise Navigation und Schätzung.
17: Lineare kleinste Quadrate: Behandelt die Methode der kleinsten Quadrate zur Lösung linearer Regressionsprobleme.
18: Symmetrieerhaltender Filter: Stellt Filter vor, die die Symmetrie in Systemen bewahren sollen, was in der Robotik wichtig ist.
19: Invarianter erweiterter Kalman-Filter: Erklärt eine Variante von EKF, die die Invarianz in nichtlinearen Systemen aufrechterhält.
20: Unscented-Transformation: Bespricht die Unscented-Transformation, eine Technik zur Verbesserung der Zustandsschätzung in nichtlinearen Modellen.
21: SAMV (Algorithmus): Stellt den SAMV-Algorithmus für robuste Schätzungen in unsicheren Umgebungen vor.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.