Couvre la théorie de l'échantillonnage de Markov Chain Monte Carlo (MCMC) et discute des conditions de convergence, du choix de la matrice de transition et de l'évolution de la distribution cible.
Explore les approches dynamiques de la théorie spectrale des opérateurs, en mettant l'accent sur les opérateurs auto-adjoints et les opérateurs Schrödinger avec des potentiels définis dynamiquement.
Couvre les propriétés stochastiques des séries temporelles, de la stationnarité, de l'autocovariance, des processus stochastiques spéciaux, de la densité spectrale, des filtres numériques, des techniques d'estimation, du contrôle des modèles, de la prévision et des modèles avancés.
Couvre l'analyse des processus stochastiques de deuxième ordre dans les systèmes de communication et la restauration d'images à l'aide du filtre Wiener.
Couvre les modèles stochastiques pour les communications, y compris la stationnarité, l'ergonomie, la densité spectrale de puissance, et le filtre Wiener.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.