本书比较全面地介绍了数值计算领域中的各种有效、实用的算法，并以建立这些算法的C语言工程库为目标介绍了相应的C语言程序和编程技巧。本书共分十九章，有近300个C语言程序，除了基本的数值算法外，还介绍了许多更深入的、直接面向应用的算法。 本书适合于工程设计、技术开发和科学研究等领域中从事科学计算和应用软件开发的各类人员，对于大专院校中那些学习数值计算方法和提高C语言编程能力的本科生、研究生也是一本很好的参考书。 本书配有一张软盘，装有书中算法的全部C语言源程序，以及相应的解题实例。有需要的读者，可

test2: 一、 基本最小二乘法一次算法 二、 基本最小二乘法递推算法 三、 最小二乘遗忘因子一次完成算法 四、 最小二乘遗忘因子递推算法 五、 最小二乘限定记忆算法 六、 最小二乘偏差补偿算法 七、 增广最小二乘算法 八、 广义最小二乘算法 test3: 一、 辅助变量自适应滤波算法 二、 辅助变量纯滞后算法 三、 辅助变量Tally原理算法 四、 多级最小二乘算法 五、 各类改进最小二乘算法的特点 test4: 1、 第二类随机性辨识问题的梯度校正 2、 随机牛顿法 test5: 1、

该文介绍了一种基于递推预报误差算法的前馈神经网络的实现方法。将该网络应用于非线性系统模型的仿真试验中取得了良好的效果。文中给出了试验的结果，并对该网络的应用进行了讨论。

基于广义性能指标, 提出一种神经网络学习算法——广义递推预报误差学习算法( GRPE ) , 该 算法具有二阶收敛阶次。同时讨论了学习速率的选择问题。利用所提出方法对 CST R 动态建模结果表 明,基于 GRPE 训练的 DRNN 比基于 BP 训练的 MLP 模型精度高, 收敛速度快。

将未知非线性系统的输出作为时间序列并进行空间重构, 针对得到的离散线性时变系统, 提出了基于未知 输入观测器的预测新方法. 以实时拟合时间序列的线性AR 模型作为时变系统的已知线性部分, 将拟合误差作为时 变系统的未知输入, 实现了对非线性时间序列的一步预测. 再利用递推预测的方法, 将一步预测推广到N 步预测, 同 时证明了该方法的预测误差有界. 通过未知输入的预测值和状态的预测误差的变化可以方便地判断故障的发生, 实 现故障预报. 仿真结果证明了方法的有效性.