(1)台体运动方程式 在不考虑台体绕稳定轴的阻尼系数和弹性约束的情况下，有 Me(s) α(shTT JpS- 式中 Jp一一台体及其附件相对输出轴的转动惯量。 (2) 浮子积分陀螺仪传递函数 旦旦2 H/C 一旦L α(s)-ts+1-JhG (3) 平台控制器传递函数为系统待选定的参数，设 在 s = 0 时，以 s) = C) 。 (4) 直流力矩电机传递函数 f一 (s二二~一 = G创(sυ) θ (s) 在实际应用中，可认为是一非周期环节 且坠) C2 eμ s) - rs + 1 (5.2. 1) (5.2.2) (5.2.3) (5.2.4) 考虑到浮子积分陀螺仪的陀螺效应，以及引起陀螺漂移的干扰力矩，可忽略力矩电机中的 反电势效应。系统的方块图可由图 5.10 给出。 在第三章我们给出用于捷联惯导系统浮子积分陀螺的一组参数，对于平台系统用浮子积 分陀螺的时间常数 J/C 为毫秒级。对于平台系统所用直流力矩马达，已采用永磁式马达，在一 般工程应用旋转速率下，马达的反电势可以忽略，马达的传递函数还可进一步简化。 1∞ 我们对系统做如下分析。 1.设 Mβ = O ， MjY 或 My 不等于零。 由图 5.10 可简化为图 5.11 的形式。

大数据-算法-非耦合弱耦合正倒向随机微分方程的高阶数值方法及误差估计.pdf

大数据-算法-非全局Lipschitz条件下随机微分方程数值方法的强收敛性和稳定性.pdf

用于随机微分方程模型中近似贝叶斯计算（ABC）的MATLAB工具箱。 它对具有由随机微分方程（SDE）定义且不限于“状态空间”建模框架的潜在动力学的随机模型执行近似贝叶斯计算。 一维和多维SDE系统均受支持，部分观察的系统易于容纳。 可以估计影响数据/观测值的“测量误差”的方差分量。 一本50页的参考手册提供了两个案例研究，这些案例研究已经实施和讨论。 该方法基于http://arxiv.org/abs/1204.5459上的研究文章。作者的研究页面为http://www.maths.lth.se/matstat/staff/umberto/

随机微分方程的黑盒变分推断 Lotka-Volterra示例的Tensorflow实现在 ， ， 和 （ICML，2018）中进行了。 示例：Lotka-volterra 在这里，我们在本文的第5.1节中演示示例“具有未知参数的多个观察时间”的实现。 也就是说，在已知测量误差方差的情况下，二维Lotka-Volterra SDE的全参数推断观察到的离散时间步长为10。 系统要求 以下示例已使用tensorflow 1.5，numpy 1.14和python 3进行了测试。尚未在任何依赖项的更新和/或更高版本上进行严格测试。 如有任何相关问题，请参阅联系部分。 此示例还使用张量板（1.5）可视化训练。 这样，您应该在lotka_volterra_data.py中为张量板输出指定路径。 例如： PATH_TO_TENSORBOARD_OUTPUT = "~/Documents/my_

随机微分MATLAB程序，主要是用于求解随机微分方程，并进行MATLAB仿真

【免费书：应用随机微分方程】《Applied Stochastic Differential Equations》by Särkkä & Solin (2019)

随机微分方程存在唯一性条件的推广证明，胡勤，，论文对随机微分方程存在唯一性定理采用逐次逼近的证明方法，并在解的收敛环节上补充了极限解在L(2)意义下的收敛证明。再结合随机�

在本文中，我们描述了代表霍乱动力学的两个不同的随机微分方程。 通过将随机性引入随机性建模中的一种标准技术-参数摄动技术，将随机性引入确定性模型中，从而编制出第一条随机微分方程；并使用转移概率来编制第二条随机微分方程。 我们使用合适的Lyapunov函数和Itô公式分析随机模型。 我们陈述并证明了整体存在的条件，正解的唯一性，随机有界性，概率的整体稳定性，矩指数稳定性和几乎确定的收敛性。 我们还使用Euler-Maruyama方案进行了数值模拟，以模拟随机微分方程的样本路径。 我们的结果表明，样本路径是连续的，但不可区分（维纳过程的一个属性）。 此外，我们比较了确定性模型和随机模型的数值模拟结果。 我们发现，SIsIaR-B随机微分方程模型的样本路径在SIsIaR-B常微分方程模型的解内波动。 此外，我们使用扩展的卡尔曼滤波器来估计模型区室（状态），我们发现状态估计值适合测量结果。 还讨论了用于估计模型参数的最大似然估计方法。

一本关于英语的随机微分方程，适合想学习随机分析和做计算的人看。