| Előszó | 9 |
| Bevezetés | 15 |
| A rendszer-identifikáció fogalma, jelentősége és feladata | 19 |
| A rendszermodellezés általános problémáiról | 19 |
| A statisztikai rendszer-identifikáció feladata | 22 |
| A statisztikai identifikáció feladatának egyszerűsített (gyakorlati) megfogalmazása | 29 |
| A rendszer-identifikáció alkalmazási köre | 38 |
| Statikus rendszerek statisztikai identifikálása | 41 |
| Becsléselméleti alapfogalmak | 41 |
| Alapvető becslési módszerek | 43 |
| A maximum likelihood becslési módszer | 43 |
| A Bayes-típusú becslésekről | 45 |
| Becslés sztochasztikus approximációval | 47 |
| Egyváltozós statikus lineáris rendszerek identifikálása | 48 |
| Egyváltozós nemlineáris statikus rendszerek identifikálása | 51 |
| Többváltozós lineáris statikus rendszerek identifikálása | 56 |
| A többváltozós regresszió | 56 |
| A parciális és többszörös korrelációs együttható | 57 |
| A többváltozós regresszió és a lineáris statikus rendszerek paramétereinek becslése | 59 |
| Véletlen folyamatok nemparaméteres statisztikai identifikációja | 64 |
| A véletlen (sztochasztikus) folyamatok fogalma és alapvető jellemzése | 64 |
| A folytonos stacionárius idősorok (véletlen folyamatok), fogalma és legfontosabb statisztikai jellemzői | 69 |
| A folyamatok autospektrumának fogalma és becslése | 78 |
| A legfontosabb (elemi) folyamatok autokorreláció-függvényei és autospektrumai | 82 |
| A keresztkorreláció-függvény és a keresztsűrűség-spektrum fogalma és becslése folytonos esetben | 85 |
| Diszkrét idősorok korreláció- és spektrálanalízise | 90 |
| Idősorok (véletlen folyamatok) paraméteres identifikációja | 98 |
| Általános megjegyzések | 98 |
| A stacionárius idősorok modellezése ARIMA idősor-modellekkel | 99 |
| Az AR-, MA- és ARMA-folyamatok autokorreláció-függvényei és autospektrumai | 102 |
| Autoregresszív folyamatok autokorreláció-függvényei és autospektrumai | 102 |
| A parciális autokorreláció-függvény fogalma | 106 |
| A mozgóátlag (MA)-folyamatok autokorreláció-függvénye és autospektruma | 107 |
| Az ARMA-folyamatok autokorreláció- és spektrum-függvénye | 109 |
| Az idősorok struktúrájának becslése | 111 |
| A stacionárius idősorok identifikációja | 112 |
| Az előzetes identifikáció elméleti megalapozása | 112 |
| Az ARMA (p, q)-folyamat előzetes identifikációjának átlalános módszere | 115 |
| Az ARMA-modell paramétereinek becslése | 117 |
| A modell illeszkedésének vizsgálata (modellverifikáció) | 117 |
| Az idősorok előrejelzése (predikciója) | 119 |
| Nemstacionárius idősor-modellek | 124 |
| Szezonális idősor-modellek | 125 |
| Idősor-modellezés és előrejelzés valamint a modellkarbantartás összefoglalása | 126 |
| Lineáris dinamikus rendszerek nemparaméteres identifikálása | 145 |
| A lineáris dinamikus rendszerek általános jellemzése, a nemparaméteres identifikáció fogalma | 145 |
| A lineáris dinamikus rendszerek modellezési lehetőségei | 146 |
| A lineáris dinamikus rendszerek leírása transzferfüggvényekkel, differenciálegyenletekkel és állapotegyenletekkel | 147 |
| A lineáris dinamikus rendszerek nemparaméteres leírása integrálegyenletekkel (explicít alakban) és kapcsolata a paraméteres reprezentációkkal | 150 |
| Lineáris dinamikus rendszerek statisztikai identifikálása a korrelációs módszerrel | 153 |
| Az identifikációs modell leírása a Wiener-Hopf integrálegyenlettel | 154 |
| A lineáris dinamikus rendszerek aktív identifikálása korreláció-analízissel | 157 |
| A Wiener-Kolomogorov-féle előrebecslési elmélet | 158 |
| A Wiener-Hopf integrálegyenlet megoldásának és közelítő meghatározásának módszerei | 160 |
| Bevezető megjegyzések, megoldás spektrálfaktorizációval | 160 |
| Megoldás diszkrét modellekkel, digitalizált folyamatok alapján | 162 |
| A becslési problémákról | 164 |
| Diszkrét idejű lineáris dinamikus rendszerek nemparaméteres identifikálása | 166 |
| A nemparaméteres lineáris identifikáció adaptív (tanuló) algoritmusai | 169 |
| A lineáris dinamikus rendszerek paraméteres identifikálása | 174 |
| Transzferfüggvény- és állapottér modellek | 175 |
| Folytonos és diszkrét modellek és ekvivalens megfeleltetésük problémája | 175 |
| A diszkrét lineáris dinamikus modellek reprezentációi | 179 |
| A struktúrabecslés és az előzetes identifikáció elméleti alapjai | 183 |
| Az identifikációs modellek additív zaj jelenlétében | 185 |
| A transzferfüggvény-modellek és a zajmodell identifikálásának alapjai | 191 |
| Az identifikáció feladatának megfogalmazása | 191 |
| A transzferfüggvény-modell előzetes identifikációja | 192 |
| A zajmodell struktúrabecslése és előzetes identifikációja | 205 |
| A transzferfüggvény- és zajmodellek előzetes identifikációjának néhány általános szempontja | 210 |
| A transzferfüggvény- és zajmodellek paraméterbecslési módszerei | 211 |
| A paraméterbecslési eljárások felépítéséről | 211 |
| A legkisebb négyzetek módszere | 212 |
| A Markov-féle és a Bayes típusú becslési módszerek | 216 |
| A Clarke-féle általánosított legkisebb négyzetek módszere | 217 |
| A segédváltozók módszere | 219 |
| A Koopmans-Levin-módszer | 221 |
| Transzferfüggvény-modellek paramétereinek maximum likelihood becslése | 227 |
| A modellverifikáció (ellenőrzés) lehetőségei | 234 |
| Elméleti megalapozás | 234 |
| A konkrét ellenőrzési eljárások megvalósítása hipotézisvizsgálattal | 235 |
| Az identifikáció-predikció (a lineáris paraméteres identifikációs modell előrejelzési változata) | 239 |
| Bevezető megjegyzések | 239 |
| Az optimális (négyzetes középben minimális hibájú) predikció | 240 |
| Az identifikáció-előrejelzési modell konkrét összefüggései | 241 |
| Adaptív és tanuló algoritmusok a diszkrét paraméteres rendszer-identifikációban | 242 |
| Többváltozós lineáris dinamikus rendszerek identifikációja | 247 |
| A többváltozós (nemparaméteres és paraméteres) modellek identifikálásáról általában | 247 |
| Többváltozós modellprezentációk | 250 |
| Bevezető megjegyzések | 250 |
| Diszkrét transzfermátrix-modellek | 251 |
| Többváltozós rendszerek állapottér-modelljei | 253 |
| Vektor-differenciaegyenlet-modellek | 255 |
| A strukturális identifikáció módszerei | 258 |
| Többváltozós (MIMO)-modellek paraméterbecslési módszerei | 259 |
| A legkisebb négyzetek módszere | 259 |
| Kiterjesztett legkisebb négyzetek módszere | 262 |
| A maximum likelihood paraméterbecslési módszer MIMO-rendszerekre | 263 |
| Az elemi alrendszer (ESS)-reprezentáció. Struktúra- és paraméterbecslés az ESS-modelleknél | 264 |
| A MIMO-ESS-modellprezentáció | 265 |
| Az ESS-reprezentációk struktúra- és paraméterbecslése | 267 |
| A többváltozós identifikációs esettanulmányok | 268 |
| A konténerforgalom többváltozós modellezése | 268 |
| Haszonjárművek dinamikai vizsgálata többváltozós paraméteres identifikációval | 271 |
| Függelék | 274 |
| A realizációelmélet elemei | 274 |
| A megfigyelhetőség, irányíthatóság és identifikálhatóság fogalmáról | 275 |
| A lineáris modellek kanonikus alakjáról | 276 |
| A Kalman szűrők | 279 |
| A nemlineáris dinamikus rendszerek identifikálásáról | 282 |
| Irodalom | 286 |
| Melléklet | |
Folytatás Microsoft-tal