मेरी प्रयोगशाला में एक पोस्टडॉक है जिसकी विशेषता "सांख्यिकीय सिग्नल प्रोसेसिंग" है। उनके पास इलेक्ट्रिकल इंजीनियरिंग में पीएचडी है और वे एकत्र किए गए तंत्रिका डेटा का विश्लेषण करते हैं।
मैं सोच रहा हूं कि उनके नक्शेकदम पर चलने के लिए मुझे कौन से कोर्स / विषय शुरू करने चाहिए। मैं वास्तव में सांख्यिकी और सिग्नल प्रोसेसिंग जैसी चीजों की तलाश में नहीं हूं, मेरे पास दोनों में बुनियादी कक्षाएं हैं लेकिन फिर भी उनके काम को समझना मुश्किल है।
जवाबों:
कभी-कभी ऐसे पाठ्यक्रम होते हैं जो 'स्टैटिस्टिकल सिग्नल प्रोसेसिंग' कहलाते हैं, जो :-) शुरू करने के लिए एक अच्छी जगह है। यदि आपके विश्वविद्यालय में ऐसा नहीं है, तो 'पता लगाने और अनुमान', या 'उन्नत सिग्नल प्रोसेसिंग' की तलाश करें। यदि आपके पास विश्वविद्यालय का काम नहीं है, तो आप http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-spring कोशिश कर सकते हैं -2004 /
बहुत सांख्यिकीय सिग्नल प्रोसेसिंग रैखिक है, इसलिए आपको जितना संभव हो उतना रैखिक बीजगणित सीखना चाहिए। स्टोकास्टिक प्रक्रिया एक मूलभूत पाठ्यक्रम है। नियंत्रण सिद्धांत एसएसपी के साथ बहुत साझा करता है, और बहुत उपयोगी होगा।
यह एक शुरुआत के लिए पर्याप्त होना चाहिए :-)
ये शास्त्रीय संदर्भ एक अच्छी शुरुआत हैं:
बी। पोरत, रैंडम सिग्नल की डिजिटल प्रोसेसिंग, अप्रेंटिस-हॉल, 1994. लाइब्रेरी सीरियल नंबर 2144342।
ए। पपुलिस, प्रोबेबिलिटी, रैंडम वेरिएबल्स और स्टोचैस्टिक प्रोसेस, तीसरा एड। , मैकग्रा-हिल, 1991। पुस्तकालय क्रमांक 21111643।
SM Kay, सांख्यिकीय सिग्नल प्रोसेसिंग के मूल तत्व, वॉल्यूम I: अनुमान सिद्धांत, अप्रेंटिस-हॉल, 1993. लाइब्रेरी सीरियल नंबर 2157997।
आप केटी वोंग्स (वाटरलू विश्वविद्यालय) व्याख्यान नोट्स भी आज़मा सकते हैं
उपयोग की YouTube पर प्रो। M.Crabraborty द्वारा एडाप्टिव सिग्नल प्रोसेसिंग पर आपको इस व्याख्यान श्रृंखला में से कुछ मिल सकते हैं
नमस्ते,
यह मानते हुए कि आप क्षेत्र में अनुसंधान करने में रुचि रखते हैं, मैं गणित में एक मजबूत नींव पर बनाए गए मार्ग का अनुसरण करने की सलाह दूंगा।
मैं यह जानता हूं, बीक्युस I ने अभी अनुमान और जांच में एक पाठ्यक्रम पढ़ाना समाप्त किया है और मैं आपको आश्वस्त कर सकता हूं कि काम की गुणवत्ता और नवीनता और गणित के आपके ज्ञान के बीच एक मजबूत संबंध है।
कैसा गणित?
रेखीय बीजगणित:
आपको वेक्टर रिक्त स्थान और मैट्रिक्स बीजगणित के बारे में जानने की आवश्यकता है क्योंकि; जैसा कि पहले किसी और ने पोस्ट किया था, इस प्रकार के मॉडलों के साथ बहुत सी सिद्धांत और एल्गोरिदम हैं। कुछ परिणाम जो अक्सर उपयोग किए जाते हैं वे व्युत्क्रम मैट्रिक्स लेम्मा हैं, जो सभी मैट्रिक्स डिकम्पोजिशन के साथ करना है।
संभाव्यता सिद्धांत और स्टोचस्टिक प्रक्रियाएं
यह भी कुंजी है। सांख्यिकीय सिग्नल प्रोसेसिंग घटना के दोषपूर्ण अवलोकनों (शोर) का उपयोग करके जानकारी (अनुमान) का पता लगाने और अनुमान लगाने के तरीकों के बारे में है जो यादृच्छिक भी हो सकती है।
इसलिए आपको यह जानने की जरूरत है कि इस तरह की वस्तु को कैसे संभालना है। संभावना में एक बुनियादी पाठ्यक्रम आपको एक अच्छा प्रारंभिक बिंदु दे सकता है (एक जो यादृच्छिक चर और यादृच्छिक वैक्टर को कवर करता है, और उम्मीद है कि यादृच्छिक क्रम और प्रक्रियाओं के बारे में थोड़ी सी बात करता है), लेकिन यादृच्छिक प्रक्रियाओं पर ध्यान केंद्रित करते हुए एक दूसरा पाठ्यक्रम लेना वांछनीय है। आपको इन विचारों के साथ कुछ आत्मविश्वास रखने की आवश्यकता है क्योंकि यह आपको अनुसंधान और प्रौद्योगिकी में उपयोग किए जाने वाले कई अनुप्रयोगों और व्यावहारिक कार्यान्वयन को समझने की अनुमति देगा।
दूसरे स्तर पर मैं ऑप्टिमाइज़ेशन में एक पाठ्यक्रम लेने पर भी विचार करूंगा, क्योंकि अनुमानकर्ताओं की गणना ज्यादातर अधिकतमकरण और न्यूनतमकरण (अधिकतम संभावना अनुमानक, न्यूनतम औसत वर्ग त्रुटि अनुमानक, आदि) की समस्याओं को हल करने में आधारित है।
बेशक, "एल्गोरिदमिक" दृष्टिकोण भी है, जहां आप तेजी से गणना, अभिसरण, कम जटिलता आदि के लिए सांख्यिकीय सिग्नल प्रोसेसिंग प्रक्रियाओं पर अधिक ध्यान केंद्रित करते हैं, लेकिन अंत में विकास ओएस के नए विचारों को गणित में एक अच्छी नींव की आवश्यकता होती है ।
ध्यान दें कि आपके द्वारा दिए गए सेटअप में उपयोग किए जाने वाले मॉडल के निर्माण के लिए किसी दिए गए घटना के आंतरिक कामकाज का आपका ज्ञान भी महत्वपूर्ण है। उस अर्थ में, आप डिजिटल संचार, डिजिटल सिग्नल प्रोसेसिंग और यहां तक कि इलेक्ट्रॉनिक सर्किट में एक कोर्स से प्राप्त कर सकते हैं जो व्यावहारिक अनुभव आपको एक शोधकर्ता के रूप में बढ़त देने के लिए अमूल्य हो सकता है।
यदि आपके पास अधिक प्रश्न हैं, तो मुझसे संपर्क करने में संकोच न करें।
चीयर्स, पेट्रीसियो
जैसा tdcकि उद्धृत किया गया है, पापोलिस (इस क्षेत्र के नेताओं में से एक के लिए आरआईपी) सबसे अच्छी पुस्तकों में से एक है, लेकिन आपको http://www.amazon.com/Discrete-Time-Signal जैसी किसी चीज़ के माध्यम से पहले इसमें कदम रखने की आवश्यकता हो सकती है । -प्रोसेसिंग-2-प्रेंटिस-हॉल / डीपी / 0137549202 यदि आपने सिग्नल प्रोसेसिंग में एक अच्छा स्नातक / प्रारंभिक स्नातक पाठ्यक्रम नहीं किया है (मैंने नहीं किया, और यह थोड़ा चोट पहुंचाता है )।
अधिक सांख्यिकीय दृष्टिकोण से (लेकिन इंजीनियरों के लिए अभी भी बहुत ही मान्य) http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 । यह जानकारी के साथ गलफड़ों से भरा है, इसलिए यह बहुत धीमा है।
मैने पढ़ा है
Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"
यह पैरामीटर आकलन (अधिकतम संभावना, कम से कम वर्ग), अनुमानकर्ताओं के गुण (सटीक, सटीकता) और इन गुणों का अनुमान कैसे लगाता है, यह भी बताता है।
पुस्तक में अनुमान के लिए उपयोग किए जाने वाले कुछ संख्यात्मक तरीकों के स्पष्टीकरण हैं।