আমার ল্যাবে একটি পোস্টডোক রয়েছে যার বিশেষত্ব হল "স্ট্যাটিস্টিকাল সিগন্যাল প্রসেসিং"। বৈদ্যুতিক প্রকৌশলে তাঁর পিএইচডি আছে এবং তিনি সংগৃহীত নিউরাল ডেটা বিশ্লেষণ করেন।
আমি ভাবছি তাঁর পদক্ষেপগুলি অনুসরণ করার জন্য আমার কোর্স / বিষয়গুলি পড়া উচিত start আমি পরিসংখ্যান এবং সিগন্যাল প্রসেসিংয়ের মতো জিনিসগুলি ঠিক খুঁজছি না, আমার উভয় ক্ষেত্রেই বেসিক ক্লাস রয়েছে তবে এখনও তার কাজ বুঝতে অসুবিধা হচ্ছে।
উত্তর:
কখনও কখনও 'স্ট্যাটিস্টিকাল সিগন্যাল প্রসেসিং' শিরোনামে কোর্স থাকে, এটি শুরু করার জন্য ভাল জায়গা :-) যদি আপনার বিশ্ববিদ্যালয়ে এটি না থাকে তবে 'সনাক্তকরণ এবং অনুমান', বা 'উন্নত সংকেত প্রক্রিয়াকরণ' সন্ধানের চেষ্টা করুন। যদি আপনার কাছে কোনও বিশ্ববিদ্যালয় ব্যবহার না হয় তবে আপনি http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection- and-estimission-spring চেষ্টা করতে পারেন -2004 /
অনেক পরিসংখ্যান সংকেত প্রক্রিয়াকরণ লিনিয়ার, সুতরাং আপনার যতটা সম্ভব লিনিয়ার বীজগণিত শিখানো উচিত। স্টোকাস্টিক প্রক্রিয়াগুলি একটি প্রাথমিক কোর্স। নিয়ন্ত্রণ তত্ত্ব এসএসপির সাথে অনেকগুলি ভাগ করে, এবং এটি খুব দরকারী।
এটি শুরু করার জন্য পর্যাপ্ত হওয়া উচিত :-)
এই ধ্রুপদী রেফারেন্সগুলি একটি ভাল শুরু:
বি। পোরাট, র্যান্ডম সিগন্যালের ডিজিটাল প্রসেসিং, প্রেন্টাইস-হল, 1994. লাইব্রেরির সিরিয়াল নম্বর 2144342।
উঃ পাপুলিস, সম্ভাবনা, র্যান্ডম ভেরিয়েবলস এবং স্টোকাস্টিক প্রসেসিস, তৃতীয় এড। , ম্যাকগ্রা-হিল, 1991. লাইব্রেরি সিরিয়াল নম্বর 21111643।
এস এম কে, স্ট্যাটিস্টিকাল সিগন্যাল প্রসেসিংয়ের ফান্ডামেন্টাল, প্রথম খণ্ড: অনুমান তত্ত্ব, প্রেন্টেস-হল, 1993. লাইব্রেরির সিরিয়াল নম্বর 2157997।
আপনি কেটি ওং এর (ওয়াটারলু বিশ্ববিদ্যালয়) বক্তৃতা নোটও চেষ্টা করে দেখতে পারেন
আপনি ইউটিউবে ইউটিউবে অধ্যাপক এম। চক্রবর্তী দ্বারা অ্যাডাপটিভ সিগন্যাল প্রসেসিংয়ের উপর এই লেকচার সিরিজের কিছুটি খুঁজে পেতে পারেন might
ওহে,
এই ক্ষেত্রটি নিয়ে আপনি গবেষণা করতে আগ্রহী বলে ধরে নিচ্ছি, আমি গণিতে একটি শক্তিশালী ভিত্তি তৈরির পথে অনুসরণের পরামর্শ দেব।
আমি এটি জানি, বীচুস আমি সবেমাত্র অনুমান এবং সনাক্তকরণের কোর্স পড়া শেষ করেছি এবং আমি আপনাকে নিশ্চয়তা দিতে পারি যে কাজের মান এবং অভিনবত্ব এবং গণিত সম্পর্কে আপনার জ্ঞানের মধ্যে একটি দৃ corre় সম্পর্ক রয়েছে।
গণিত কি ধরণের?
রৈখিক বীজগণিত:
আপনাকে ভেক্টর স্পেস এবং ম্যাট্রিক্স বীজগণিত সম্পর্কে জানতে হবে কারণ; এর আগে অন্য কেউ পোস্ট করেছেন, প্রচুর তত্ত্ব এবং অ্যালগরিদম রয়েছে যা এই ধরণের মডেলগুলির সাথে প্রকাশ করে। কিছু ফলাফল যা প্রায়শই ব্যবহৃত হয় তা হ'ল ইনভার্স ম্যাট্রিক্স লেমা, যা ম্যাট্রিক্স পচানোর সাথে সম্পর্কিত।
সম্ভাব্যতা তত্ত্ব এবং স্টোকাস্টিক প্রক্রিয়া
এটিও মূল বিষয়। পরিসংখ্যানগত সংকেত প্রক্রিয়াকরণটি এলোমেলো হতে পারে এমন ঘটনার ত্রুটিযুক্ত পর্যবেক্ষণ (গোলমাল) ব্যবহার করে তথ্য (অনুমান) সনাক্তকরণ এবং অনুমানের পদ্ধতি সম্পর্কে।
সুতরাং আপনাকে কীভাবে এই ধরণের অবজেক্টটি পরিচালনা করতে হবে তা জানতে হবে। সম্ভাবনার একটি প্রাথমিক কোর্স আপনাকে একটি ভাল সূচনা পয়েন্ট দিতে পারে (এমন একটি যা র্যান্ডম ভেরিয়েবল এবং এলোমেলো ভেক্টরগুলিকে আচ্ছাদিত করে এবং আশা করি এলোমেলো ক্রম এবং প্রসেস সম্পর্কে কিছুটা কথা বলে) তবে এলোমেলো প্রক্রিয়াগুলির উপর দৃষ্টি নিবদ্ধ রেখে এটি দ্বিতীয় কোর্স নেওয়া বাঞ্ছনীয়। আপনার এই ধারণাগুলির সাথে কিছুটা আস্থা রাখতে হবে কারণ এটি আপনাকে গবেষণা এবং প্রযুক্তিতে ব্যবহৃত অনেকগুলি অ্যাপ্লিকেশন এবং ব্যবহারিক বাস্তবায়ন বোঝার অনুমতি দেবে।
দ্বিতীয় স্তরে আমি অপ্টিমাইজেশনে কোর্স গ্রহণের বিষয়টিও বিবেচনা করব, যেহেতু অনুমানকারীদের গণনাটি বেশিরভাগই সর্বাধিককরণ এবং হ্রাসকরণ (সর্বাধিক সম্ভাবনার অনুমানকারী, ন্যূনতম গড় বর্গাকার ত্রুটি প্রাক্কলনকারী ইত্যাদি) সমস্যা সমাধানে ভিত্তি করে)
অবশ্যই, "অ্যালগরিদমিক" দৃষ্টিভঙ্গিও রয়েছে, যেখানে আপনি দ্রুত গণনা, রূপান্তর, কম জটিলতা ইত্যাদির জন্য পরিসংখ্যান সংকেত প্রক্রিয়াকরণ পদ্ধতিতে বেশি মনোনিবেশ করেন তবে শেষ পর্যন্ত বিকাশের নতুন ধারণাগুলির গণিতে একটি ভাল ভিত্তি প্রয়োজন ।
নোট করুন যে কোনও প্রদত্ত ঘটনার অভ্যন্তরীণ কাজ সম্পর্কে আপনার জ্ঞান কোনও নির্দিষ্ট সেটআপে আপনি যে মডেলগুলি ব্যবহার করার পরিকল্পনা করছেন তার উত্পাদনশীলতার জন্য কী key সেই অর্থে, আপনি ডিজিটাল যোগাযোগ, ডিজিটাল সিগন্যাল প্রসেসিং এবং এমনকি বৈদ্যুতিন সার্কিটের কোর্স থেকে যে গবেষণামূলক অভিজ্ঞতা অর্জন করতে পারেন তা আপনাকে একজন গবেষক হিসাবে প্রান্ত দেওয়ার পক্ষে মূল্যবান হতে পারে।
আপনার যদি আরও প্রশ্ন থাকে তবে আমার সাথে যোগাযোগ করতে দ্বিধা করবেন না।
চিয়ার্স, প্যাট্রিসিও
যেমনটি tdcউদ্ধৃত হয়েছে, পাপুলিস (এই ক্ষেত্রের এক নেতার কাছে আরআইপি) সেরা বইগুলির মধ্যে একটি, তবে আপনাকে http://www.amazon.com/Discrete-Time-Signal এর মতো কোনও কিছুর মাধ্যমে প্রথমে এটি প্রবেশ করতে হবে may -প্রসেসিং-২ য়-প্রেন্টিটিস-হল / ডিপি / 0137549202 যদি আপনার সিগন্যাল প্রসেসিংয়ে কোনও ভাল স্নাতক / প্রারম্ভিক স্নাতক কোর্স না থাকে (আমি না, এবং এটি কিছুটা আঘাত পেয়েছিল)।
আরও পরিসংখ্যানগত দৃষ্টিকোণ থেকে (তবে এখনও ইঞ্জিনিয়ারদের জন্য খুব কার্যকর) হ'ল http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 । এটি তথ্যগুলিতে গিলগুলিতে ভরপুর, তাই এটি খুব ধীরে পড়া।
আমি পড়েছি
Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"
এটি প্যারামিটার অনুমান (সর্বাধিক সম্ভাবনা, সর্বনিম্ন স্কোয়ার), অনুমানের বৈশিষ্ট্য (যথার্থতা, নির্ভুলতা) এবং কীভাবে এই বৈশিষ্ট্যগুলি নির্ধারণ করতে পারে তা ব্যাখ্যা করে।
বইটিতে অনুমানের জন্য ব্যবহৃত কয়েকটি সংখ্যাগত পদ্ধতির ব্যাখ্যা রয়েছে।