幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

嵌入式系統智能--一種方法論的方法

  • 作者：(意)凱撒·阿利皮|責編:朱林|譯者:張永輝
  • 出版社：機械工業
  • ISBN：9787111663584
  • 出版日期：2021/01/01
  • 裝幀：平裝
  • 頁數：235
人民幣：RMB 129 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    針對當前各類工程師或電腦科學家都應該意識到的問題，本書對採用一種新的計算範式作為設計具有感測器能力的普適嵌入式系統的方法論基礎進行了一種回應。這種範式的要求是控制複雜性、限製成本和能耗並提供適應和認知能力使嵌入式系統主動地與現實世界交互。本書揭示了嵌入式系統智能背後的理論，特別側重於：
    魯棒性（計算流的魯棒性及其評估）；
    智能（如何模仿人腦的適應和認知能力）；
    在非穩態和演進的環境中通過檢測變化並做出相應反應而學習的能力；
    一種新的範式，通過接受概率上正確的結果，使嵌入式應用程序的複雜性得到控制。
    本書從方法論的角度提出了在嵌入式系統平台上實現智能的方法，針對在現實世界中具有不確定性、非穩態和演進的環境中的嵌入式系統所面臨的基本問題，引入適應策略、主動和被動學習能力、魯棒性能力、嵌入式和分散式認知故障診斷系統的設計，以及用於評估嵌入式應用中的性能和約束滿意度的技術。本書的重點是將給定問題形式化，提出解決問題最相關的策略，以及關於理論、方法、途徑「背後問題」的討論，以便研究人員、從業者和學生學習、理解和完善智能背後的基本機制，以及如何將它們用於設計下一代嵌入式系統和嵌入式應用程序。
    
作者介紹
(意)凱撒·阿利皮|責編:朱林|譯者:張永輝
目錄
譯者序
原書前言
縮略語
物理量與符號
第1章  緒論
  1.1  本書是如何組織的
    1.1.1  從計量到數值數據
    1.1.2  不確定性、信息和學習機制
    1.1.3  隨機演算法
    1.1.4  魯棒性分析
    1.1.5  嵌入式系統的情感認知機制
    1.1.6  性能評估和可能近似正確的計算
    1.1.7  嵌入式系統中的智能機制
    1.1.8  非穩態和演進環境中的學習
    1.1.9  故障診斷系統
第2章  從計量到數值數據
  2.1  測量和測量值
    2.1.1  測量鏈
    2.1.2  測量過程建模
    2.1.3  準確度
    2.1.4  精度
    2.1.5  解析度
  2.2  數據表示的確定性與隨機性
    2.2.1  確定性表示：無雜訊影響的數據
    2.2.2  隨機性表示：有雜訊影響的數據
    2.2.3  信噪比
第3章  不確定性、信息和學習機制
  3.1  不確定性和擾動
    3.1.1  從誤差到擾動
    3.1.2  擾動
  3.2  在數據表示層的擾動
    3.2.1  自然數N：自然二進位
    3.2.2  整數Z：二進位補碼
    3.2.3  二進位補碼記數法
    3.2.4  有理數Q和實數R
  3.3  傳播的不確定性
    3.3.1  線性函數
    3.3.2  非線性函數
  3.4  從模型級的數據和不確定性中學習
    3.4.1  學習基礎：固有風險、近似風險和估計風險
    3.4.2  偏移方差權衡
    3.4.3  非線性回歸
    3.4.4  線性回歸
    3.4.5  線性時不變預測模型
    3.4.6  應用級別的不確定性
第4章  隨機演算法
  4.1  計算複雜性
    4.1.1  演算法分析
    4.1.2  P問題、NP完全問題、NP困難問題
  4.2  蒙特卡洛方法

    4.2.1  蒙特卡洛背後的思想
    4.2.2  弱、強大數定律
    4.2.3  一些收斂結果
    4.2.4  維數災難和蒙特卡洛
  4.3  樣本數量的界
    4.3.1  伯努利界
    4.3.2  切爾諾夫界
    4.3.3  估計函數最大值樣本的界
  4.4  隨機演算法介紹
    4.4.1  演算法驗證問題
    4.4.2  最大值估計問題
    4.4.3  期望估計問題
    4.4.4  最小（最大）期望問題
  4.5  控制採樣空間的統計量
第5章  魯棒性分析
  5.1  問題形式化
    5.1.1  魯棒性
    5.1.2  計算流水平的魯棒性
  5.2  小擾動魯棒性
    5.2.1  評估小擾動在函數輸出中的影響
    5.2.2  經驗風險水平的擾動
    5.2.3  結構風險水平的擾動
    5.2.4  魯棒性理論要點
  5.3  大擾動的魯棒性
    5.3.1  問題定義：以u(δθ)為例
    5.3.2  隨機演算法和魯棒性：以u(δθ)為例
    5.3.3  最大期望問題
第6章  嵌入式系統的情感認知機制
  6.1  情感認知結構
  6.2  自動和受控處理
    6.2.1  自動處理
    6.2.2  受控處理
  6.3  神經情感系統的基本功能
    6.3.1  杏仁體
    6.3.2  長期記憶
    6.3.3  基底神經節
    6.3.4  外側前額葉和聯合皮層
    6.3.5  前扣帶皮層
    6.3.6  眶/腹側-內側前額葉皮層
    6.3.7  海馬體
  6.4  情感和決策
第7章  性能評估和可能近似正確的計算
  7.1  準確估計：品質因數
    7.1.1  平方誤差
    7.1.2  柯爾貝克-萊布勒
    7.1.3  Lp范數和其他品質因數
  7.2  可能近似正確的計算
  7.3  性能驗證問題
    7.3.1  性能滿意度問題
    7.3.2  品質因數的期望問題

    7.3.3  最大性能問題
    7.3.4  PACC問題
    7.3.5  最小（最大）擾動期望問題
  7.4  準確度估計：給定數據集的情況下
    7.4.1  問題形式化
    7.4.2  自舉方法
    7.4.3  小自舉包方法
  7.5  認知處理和PACC
  7.6  示例：嵌入式系統的準確度評估
第8章  嵌入式系統中的智能機制
  8.1  電源電壓與處理器頻率層面的適應能力
    8.1.1  在線DVFS
    8.1.2  離線 DVFS
  8.2  自適應感知及其策略
    8.2.1  分級感知技術
    8.2.2  自適應採樣
  8.3  能量獲取級別自適應
    8.3.1  增量電導法
    8.3.2  擾動和觀測法
  8.4  時鐘同步智能演算法
    8.4.1  時鐘同步：框架
    8.4.2  時鐘同步的統計方法
    8.4.3  時鐘同步的自適應方法
    8.4.4  時鐘同步的預測方法
  8.5  定位和跟蹤
    8.5.1  基於RSS的定位
    8.5.2  基於到達時間的定位
    8.5.3  基於到達角的定位
    8.5.4  基於到達頻率的方法
  8.6  應用代碼級別的自適應
    8.6.1  遠程參數-代碼可重編程性
    8.6.2  遠程代碼可重編程性
    8.6.3  決策支持系統
    8.6.4  在線硬體可重編程性
    8.6.5  應用：Rialba塔監測系統
第9章  非穩態和演進環境中的學習
  9.1  被動學習和主動學習
    9.1.1  被動學習
    9.1.2  主動學習
  9.2  變點方法
    9.2.1  變點
    9.2.2  集合差異性
    9.2.3  變點公式
    9.2.4  CPM中使用的測試統計信息
    9.2.5  基本方案擴展
  9.3  更改檢測測試
    9.3.1  CUSUM CDT系列
    9.3.2  置信區間CDT系列的交集
    9.3.3  杏仁體—VM-PFC：H-CDT
  9.4  即時學習框架

    9.4.1  觀測模型
    9.4.2  JIT分類器
    9.4.3  漸進性概念漂移
    9.4.4  漸進性概念漂移的JIT
    9.4.5  杏仁體—VM-PFC—LPAC-ACC：JIT方法
第10章  故障診斷系統
  10.1  基於模型的故障檢測和隔離
  10.2  無模型故障檢測和隔離
    10.2.1  FDS：感測器級情況
    10.2.2  FDS：感測器-感測器關係的變化
    10.2.3  FDS：多感測器案例
  10.3  杏仁體和VM-PFC：多感測器級FDS
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032