由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书嵌入式系统智能:一种方的方法9787111663584
¥ ×1
译者序
原书前言
缩略语
物理量与符号
章绪论1
1.1本书是如何组织的3
1.1.1从量到值数据3
1.1.2不确定、信和学习机制4
1.1.3随机算法5
1.1.4鲁棒分析5
1.1.5嵌入式系统的情感认知机制6
1.1.6能评估和可能近似正确的计算6
1.1.7嵌入式系统中的智能机制7
1.1.8非稳态和演进环境中的学习7
1.1.9故障诊断系统8
第2章从量到值数据9
2.1测量和测量值9
2.1.1测量链9
2.1.2测量过程建模12
2.1.3准确度13
2.1.4精度14
2.1.5分辨率15
2.2数据表示的确定与随机16
2.2.1确定表示:无噪声影响的数据16
2.2.2随机表示:有噪声影响的数据17
2..信噪比18
第3章不确定、信和学习机制19
3.1不确定和扰动19
3.1.1从误差到扰动19
3.1.2扰动19
3.2在数据表示层的扰动20
3.2.1自然数N:自然二进制20
3.2.2整数Z:二进制补码22
3..二进制补码记数法22
3.2.4有理数和实数R
3.3传播的不确定24
3.3.1线函数25
3.3.2非线函数28
3.4从模型级的数据和不确定中学习29
3.4.1学习基础:固有风险、近似风险和估计风险30
3.4.2偏移方差权衡34
3.4.3非线回归35
3.4.4线回归37
3.4.5线时不变预测模型38
3.4.6应用级别的不确定40
第4章随机算法41
4.1计算复杂42
4.1.1算法分析43
4.1.2P问题、NP接近问题、NP困难问题45
4.2蒙特卡洛方法46
4.2.1蒙特卡洛背后的思想47
4.2.2弱、强大数定律49
4..一些收敛结果50
4.2.4维数灾难和蒙特卡洛53
4.3样本数量的界53
4.3.1伯努利界54
4.3.2切尔诺夫界55
4.3.3估函优选值样本的界59
4.4随机算法介绍60
4.4.1算法验问题61
4.4.2优选值估计问题64
4.4.3期望估计问题67
4.4.4(优选)期望问题70
4.5控制采样空间的统计量73
第5章鲁棒分析76
5.1问题形式化76
5.1.1鲁棒76
5.1.2计算流水平的鲁棒7
5.2小扰动鲁棒7
5.2.1评估小扰动在函数输出中的影响79
5.2.2经验险平的扰动79
5..结构险平的扰动83
5.2.4鲁棒理论要点89
5.3大扰动的鲁棒91
5.3.1问题定义:以u(δθ)为例92
5.3.2随机算法和鲁棒:以u(δθ)为例93
5.3.3优选期望问题96
第6章嵌入式系统的情感认知机制100
6.1情感认知结构100
6.2自动和受控处理101
6.2.1自动处理101
6.2.2受控处理102
6.3神经情感系统的基本功能103
6.3.1杏仁体103
6.3.2长期记忆104
6.3.3基底神经节104
6.3.4外侧前额叶和联合皮层105
6.3.5前扣带皮层105
6.3.6眶/腹侧-内侧前额叶皮层106
6.3.7海马体106
6.4情感和决策107
第7章能评估和可能近似正确的计算108
7.1准确估计:品质因数108
7.1.1平方误差109
7.1.2柯尔贝克-莱布勒110
7.1.3Lp范数和品质因数110
7.2可能近似正确的计算111
7.3能验问题114
7.3.1能满意度问题114
7.3.2品质因数的期望问题116
7.3.3优选能问题117
7.3.4PACC问题117
7.3.5(优选)扰动期望问题118
7.4准确度估计:给定数据集的情况下118
7.4.1问题形式化119
7.4.2自举方法120
7.4.3小自举包方法121
7.5认知处理和PACC122
7.6示例:嵌入式系统的准确度评估122
第8章嵌入式系统中的智能机制130
8.1电源电压与处理器频率层面的适应能力131
8.1.1在线DVFS132
8.1.2离线 DVFS134
8.2自适应感知及其策略134
8.2.1分级感知技术136
8.2.2自适应采样138
8.3能量获取级别自适应141
8.3.1增量电导法145
8.3.2扰动和观测法146
8.4时钟同步智能算法147
8.4.1时钟同步:框架149
8.4.2时钟同步的统计方法150
8.4.3时钟同步的自适应方法155
8.4.4时钟同步的预测方法155
8.5定位和跟踪155
8.5.1基于RSS的定位156
8.5.2基于到达时间的定位159
8.5.3 基于到达角的定位160
8.5.4基于到达频率的方法160
8.6应用代码级别的自适应161
8.6.1远程参数-代码可重编程161
8.6.2远程代码可重编程163
8.6.3决策支持系统164
8.6.4在线硬件可重编程167
8.6.5 应用:Rialba塔监测系统170
第9章非稳态和演进环境中的学习174
9.1被动学习和动学175
9.1.1被动学习175
9.1.2动学178
9.2变点方法183
9.2.1变点183
9.2.2集合差异13
9..变点公式184
9.2.4CPM中使用的测试统计信息185
9.2.5基本方案扩展186
9.3更改检测测试187
9.3.1CUSUM CDT系列188
9.3.2置信区间CDT系列的交集190
9.3.3杏仁体-VM-PFC:H-CDT199
9.4即时学习框架199
9.4.1观测模型200
9.4.2JIT分类器201
9.4.3渐进概念漂移205
9.4.4渐进概念漂移的JIT206
9.4.5杏仁体-VM-PFC-LPAC-ACC:JIT方法207
0章故障诊断系统208
10.1基于模型的故障检测和隔离210
10.2无模型故障检测和隔离211
10.2.1FDS:传感器级情况213
10.2.2FDS:传感器-传感器关系的变化217
10..FDS:多传感器案例221
10.3杏仁体和VM-PFC:多传感器级FDS225
参考文献226
张永辉,海南大学教授,博士生导师,信息科学技术学院副院长兼海南大学网教中心副主任(主持工作),中国学会高级会员,高等校仪器类专业教学指导委员会协作委员,高等校信息类专业教学指导委员会协作委员,中国仪器仪表学会测量与控制专业委员会务员,海南省学会副理事长兼秘书长,全国大学生设计竞赛海南赛区组委会秘书长,海南省海洋通信与网络工程技术研究中心副主任。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格