你看見的世界其實是媒體資訊建構的論文書籍站
Sampling theorem的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包
Sampling theorem的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦DouglasA.Lind,WilliamG.Marchal,SamuelA.Wathen寫的 Basic Statistics for Business & Economics(10版) 和王祥光的 圖解式生物統計學(第二版)都 可以從中找到所需的評價。
另外網站DISCRETE SAMPLING THEOREM TO SHANNON'S ... - SciELO也說明：Shannon's sampling theorem is one of the most important results of modern signal theory. It describes the reconstruction of any band-limited.
這兩本書分別來自華泰文化 和新文京所出版 。
國立臺灣科技大學 電機工程系 姚嘉瑜所指導 呂宜靜的 三階串接積分器回授型三角積分調變器控制之直流/直流低漣波降壓轉換器 （2021），提出Sampling theorem關鍵因素是什麼，來自於降壓轉換器、三角積分調變器、切換式電容積分器、超取樣、雜訊移頻。
而第二篇論文國立臺灣科技大學 電子工程系 魏榮宗所指導 楊艷的 微型電網併聯多模組變流器智慧型控制策略研究 （2021），提出因為有 微型電網、併聯逆變器系統、孤島運轉、併網供電、主從電流均衡、自適應 控制、全域滑動模式控制、模糊類神經網絡、自組織結構的重點而找出了 Sampling theorem的解答。
最後網站sampling theorem | communications | Britannica則補充：Other articles where sampling theorem is discussed: information theory: Continuous communication and the problem of bandwidth: …to bandwidth-limited signals ...
Basic Statistics for Business & Economics(10版)
為了解決Sampling theorem 的問題，作者DouglasA.Lind,WilliamG.Marchal,SamuelA.Wathen 這樣論述：
Basic Statistics in Business and Economics offers a step-by-step approach to introductory descriptive and inferential statistics and illustrates the application of statistics using examples and exercises that focus on business applications but also relate to the current world of the coll
ege student. A previous course in statistics is not necessary, and the mathematical requirement is first-year algebra.
三階串接積分器回授型三角積分調變器控制之直流/直流低漣波降壓轉換器
為了解決Sampling theorem 的問題，作者呂宜靜 這樣論述：
傳統的切換式轉換器使用固定開關頻率的PWM(Pulse Width Modulation)做為控制電路，可以達到高效率，但其控制方法容易在輸出上看到固定頻率的漣波電壓。對於較雜訊敏感的RF電路或混訊電路而言，這些漣波與其產生的高次項諧波雜訊容易耦合到基板及供應線上，影響此類電路。因此本篇論文以一離散時間的三階串接積分器回授型三角積分調變器(Discrete Time 3rd Order CIFB Delta Sigma Modulator)當作控制電路的降壓轉換器。為了達到低雜訊影響的降壓轉換器，利用三角積分調變器的超取樣及雜訊移頻特性，減少頻寬內的開關雜訊並將其移至高頻。將調變器的輸出結果
透過一位元的量化之後，作為控制Power-MOS的開關訊號。量化器調變結果為一頻率不固定且佔空比不固定的訊號，與傳統型的降壓轉換器相比，可降低在輸出看到的雜訊，且頻譜上不會存在明顯的開關頻率。本篇論文晶片使用TSMC 0.18um製程，操作電壓為3.3V，降壓轉換器的輸入電壓範圍為3V-3.6V，輸出電壓範圍為1V-3V，取樣頻率為4.95MHz，最大可承受負載電流為800mA，頻譜展示開關頻率在輸入電壓3.3V輸出電壓1.8V時達到-85.32dBm，在輸入電壓3.6V輸出電壓3V且負載電流為200mA時測得最高效率為89.068%，晶片總面積2.76 mm2。
圖解式生物統計學(第二版)
為了解決Sampling theorem 的問題，作者王祥光 這樣論述：
本書共計15章，內容涵蓋大專院校醫、護相關科系學生「生物統計學」課程的範圍，內容全面且完整，敘述簡明易懂，圖文對照解說清晰流暢，可因應不同程度、不同需求的學生，是一本好教易讀的「生物統計學」教材；也適合自學讀者自行研讀以準備國家考試、研究所考試。 書中案例採用與醫、護相關領域的實例與醫學檢測，引導醫、護學生在所學專業課程中加以應用，並明瞭生物統計學對日後深造或職涯中的實用性與重要性。 在實務操作上，搭配普及度極高Excel軟體，輔以大量圖片對照解說，幫助學生理解生物統計學的分析方法以及應用，不但是相當實用的教學輔助模式，也減輕學生購買統計軟體的負擔。 第二版加註
說明一些可能產生混淆的內容，讓讀者能清楚釐清、確認。另外，自學讀者有福了！第二版附上課後習題答案，更能幫助讀者對生物統計學有系統、有效率且全盤性的瞭解。
微型電網併聯多模組變流器智慧型控制策略研究
為了解決Sampling theorem 的問題，作者楊艷 這樣論述：
逆變器是微型電網系統中的重要電力電子介面，可將分佈式發電系統與當地負載連接構成微型電網系統，或者與公共大電網連接實現併網運行。隨著分佈式能源發電規模的擴大，考慮電力電子開關的應力以及系統冗餘性能，通常將多個小容量逆變器模組併聯以建立大容量的微電網系統。此外，介面逆變器也通過併聯運行方式將微型電網系統中不同的分佈式能源接至公共連接點。研究智慧型控制方法以提高微型電網系統中併聯逆變器模組的控制性能及優化微型電網輸出電力品質，對於提高分佈式能源接入微型電網的滲透率顯得相對重要。為了提高微型電網孤島運行模式下併聯逆變器模組在不同負載及不同運行狀況下的動態性能及供電可靠性，本文設計基於主-從電流均衡控
制策略下的併聯逆變器模组自適應模糊類神經網路模擬滑動模式控制(Adaptive Fuzzy-Neural-Network-Imitating Sliding-Mode Control, AFNNISMC)，將併聯逆變器模组視為主體，構建完整的數學模型以保證其系統級的穩定性，並在此基礎上，首先設計全域滑動模式控制(Total Sliding-Mode Control, TSMC)和具有自適應觀測器的全域滑動模式控制架構。為了提高系統的強健性、克服傳統全域滑動模式控制對系統詳細動力學模型的依賴，及消除由全域滑動模式控制引起的控制抖動現象，本文使用四層模糊類神經網路(Fuzzy Neural Net
work, FNN)來模擬全域滑動模式控制律，根據里亞普諾夫穩定理論(Lyapunov Stability Theorem)和投影算法(Projection Algorithm)，利用模糊神經網路與全域滑動模式控制律之間的近似誤差，設計網路參數的線上自適應調整律，以保證網路參數的收斂性和控制系統的穩定性。因此，即使系統存在不確定性的情況下，也可以保證併聯逆變器模組輸出高品質的電能，以及併聯逆變器模組之間高精度電流均衡性能。此外，當單一逆變器從併聯系統斷開或重新接入時，所提出的 AFNNISMC 可以保證併聯系統的不斷電運行，從而提高微型電網系統的冗餘度和操作靈活性。進一步，藉由數值模擬和實驗結
果，驗證所提出自適應模糊神類經網路模擬滑動模式控制的可行性和有效性。此外，亦與傳統的適應性全域滑動模式控制(Adaptive TSMC, ATSMC)和比例積分控制(Proportional-Integral Control, PIC)架構進行性能比較，驗證所提出的自適應模糊類神經網路模擬滑動模式控制的優越性。考慮到固定結構的模糊神類經網路難以兼顧計算負擔及控制性能，本文進一步研究 一 種 自 組 織 結 構 模 糊 類 神 經 網 路 模 擬 滑 動 模 式 控 制 (Self-Constructing Fuzzy-Neural-Network-Imitating Sliding-Mode
Control, SFNNISMC)，用於執行主-從電流均衡控制策略下的微型電網併聯逆變器模組的併網電流跟蹤控制，所設計的模糊類神經網絡同時具有結構和參數自學習能力。本文所提出自組織結構模糊類神經網路(Self-Constructing Fuzzy Neural Network, SFNN)中，輸入層的初始節點由併網逆變器模組的數目決定，而隸屬函數層的規則由動態規則生成機制依據當前的暫態輸入從無到有自動生成。同時，本結構還引入了動態派翠(Petri)網路實現規則刪減機制，派翠網路使用於重新激活與新接入的從逆變器相對應的規則，只有被派翠網路激活的規則相關的網路參數才會被線上更新，而不是所有的網路
參數皆更新，從而減輕參數學習過程的計算負擔。此外，利用里亞普諾夫穩定理論和投影算法設計網路參數的線上學習律，保證網路參數及併網電流跟蹤誤差的收斂性。藉由數值模擬展示所提出的自組織結構模糊類神經網路模擬滑動模式控制在併聯逆變器模組不同運行狀況下規則演化的過程。本文亦利用兩個逆變器模組併聯的實驗平臺，亦與傳統的比例積分控制(PIC)、滑動模式控制(Sliding-Mode Control, SMC)及固定結構的自適應模糊神經網路模擬滑動模式控制(AFNNISMC)進行對比實驗，進一步驗證所提出的自組織結構模糊類神經網路模擬滑動模式控制方案的優越性。