婵犵數濮烽弫鍛婃叏閻戣棄鏋侀柟闂寸绾剧粯绻涢幋鐑嗙劯婵炴垶鐟﹂崕鐔兼煏婵炲灝鍔氶柣搴弮濮婃椽宕楅懖鈹垮仦闂佸搫鎳忕划宀勬偩閻戣棄钃熼柕澶涚畱閳ь剛鏁婚弻銊モ攽閸℃侗鈧鏌$€n偆銆掔紒杈ㄥ浮閸┾偓妞ゆ帒瀚壕鍏兼叏濡灝浜归柛鐐垫暬閺岋綁鎮╅悜妯糕偓鍐偣閳ь剟鏁冮埀顒€宓勯梺鍛婄☉鏋ù婊勭矒閺屻劑寮村Δ鈧禍楣冩倵濞堝灝鏋涘褍閰i獮鎴﹀閻橆偅鏂€闁诲函缍嗘禍璺横缚婵犲洦鈷戠紓浣光棨椤忓嫷鍤曢悹铏规磪閹烘绠涢柣妤€鐗冮幏娲⒒閸屾氨澧涚紒瀣浮楠炴牠骞囬鐘殿啎閻庣懓澹婇崰鏍嵁閺嶎厽鐓熼柨婵嗘噹濡茬粯銇勯锝囩畼闁圭懓瀚伴幖褰掓偡閺夎法顔囬梻鍌氬€风欢姘跺焵椤掑倸浠滈柤娲诲灡閺呰埖瀵肩€涙ḿ鍘炬俊銈忕畳濞夋洜鑺遍崸妤佺厪闁搞儯鍔屾慨宥嗩殽閻愭潙娴鐐差儔閹粓宕卞鍡橈紙闂傚倸鍊搁崐椋庣矆娓氣偓楠炴牠顢曚綅閸ヮ剦鏁嶉柣鎰綑閳ь剝鍩栫换婵嬫濞戞艾顣哄銈冨劜瀹€鎼佸蓟濞戔懇鈧箓骞嬪┑鍥╀簮婵犵鍓濊ぐ鍐偋閹捐钃熼柨鐔哄Т缁€鍐煃閸濆嫬鈧悂寮冲Δ鍛拺濞村吋鐟х粔顒€霉濠婂骸澧版俊鍙夊姍楠炴帒螖閳ь剚鍎柣鐔哥矊闁帮絽顕i幎钘夌厸闁告劦浜為敍婊堟煛婢跺﹦澧戦柛鏂跨Ч钘熼柛顐犲劜閻撴稑霉閿濆牜娼愮€规洖鐭傞弻鈩冩媴鐟欏嫬纾抽梺杞扮劍閹瑰洭寮幘缁樻櫢闁跨噦鎷� [闂傚倸鍊搁崐鎼佸磹瀹勬噴褰掑炊椤掍礁鍓銈嗗姧缁犳垿鐛姀銈嗙厓閺夌偞澹嗛崝宥嗐亜閺傚灝顏紒杈ㄦ崌瀹曟帒顫濋钘変壕闁告縿鍎抽惌娆撴煕閺囥劌鐏犵紒鐙€鍨堕弻銊╂偆閸屾稑顏� | 闂傚倸鍊搁崐鎼佸磹閻戣姤鍤勯柤鍝ユ暩娴犳氨绱撻崒娆掑厡缂侇噮鍨跺畷婵單旈崘銊ョ亰闂佸搫鍟悧濠囧磹婵犳碍鐓㈡俊顖欒濡叉悂鏌f惔顔煎籍婵﹨娅g划娆撳箰鎼淬垺瀚抽梻浣虹《閺呮盯宕弶鎴殨闁归棿绀侀崘鈧銈嗘尵閸犳捇宕㈤鍛瘈闁汇垽娼ф禒婊堟煟韫囨梻绠炵€规洘绻傞~婵嬫嚋閻㈤潧骞愰梻浣呵归張顒勩€冮崨顔绢洸闁跨噦鎷�]

    • 嵌入式系统智能--一种方法论的方法
      • 作者:(意)凯撒·阿利皮|责编:朱林|译者:张永辉
      • 出版社:机械工业
      • ISBN:9787111663584
      • 出版日期:2021/01/01
      • 页数:235
    • 售价:51.6
  • 内容大纲

        针对当前各类工程师或计算机科学家都应该意识到的问题,本书对采用一种新的计算范式作为设计具有传感器能力的普适嵌入式系统的方法论基础进行了一种回应。这种范式的要求是控制复杂性、限制成本和能耗并提供适应和认知能力使嵌入式系统主动地与现实世界交互。本书揭示了嵌入式系统智能背后的理论,特别侧重于:
        鲁棒性(计算流的鲁棒性及其评估);
        智能(如何模仿人脑的适应和认知能力);
        在非稳态和演进的环境中通过检测变化并做出相应反应而学习的能力;
        一种新的范式,通过接受概率上正确的结果,使嵌入式应用程序的复杂性得到控制。
        本书从方法论的角度提出了在嵌入式系统平台上实现智能的方法,针对在现实世界中具有不确定性、非稳态和演进的环境中的嵌入式系统所面临的基本问题,引入适应策略、主动和被动学习能力、鲁棒性能力、嵌入式和分布式认知故障诊断系统的设计,以及用于评估嵌入式应用中的性能和约束满意度的技术。本书的重点是将给定问题形式化,提出解决问题最相关的策略,以及关于理论、方法、途径“背后问题”的讨论,以便研究人员、从业者和学生学习、理解和完善智能背后的基本机制,以及如何将它们用于设计下一代嵌入式系统和嵌入式应用程序。
        
  • 作者介绍

  • 目录

    译者序
    原书前言
    缩略语
    物理量与符号
    第1章  绪论
      1.1  本书是如何组织的
        1.1.1  从计量到数值数据
        1.1.2  不确定性、信息和学习机制
        1.1.3  随机算法
        1.1.4  鲁棒性分析
        1.1.5  嵌入式系统的情感认知机制
        1.1.6  性能评估和可能近似正确的计算
        1.1.7  嵌入式系统中的智能机制
        1.1.8  非稳态和演进环境中的学习
        1.1.9  故障诊断系统
    第2章  从计量到数值数据
      2.1  测量和测量值
        2.1.1  测量链
        2.1.2  测量过程建模
        2.1.3  准确度
        2.1.4  精度
        2.1.5  分辨率
      2.2  数据表示的确定性与随机性
        2.2.1  确定性表示:无噪声影响的数据
        2.2.2  随机性表示:有噪声影响的数据
        2.2.3  信噪比
    第3章  不确定性、信息和学习机制
      3.1  不确定性和扰动
        3.1.1  从误差到扰动
        3.1.2  扰动
      3.2  在数据表示层的扰动
        3.2.1  自然数N:自然二进制
        3.2.2  整数Z:二进制补码
        3.2.3  二进制补码记数法
        3.2.4  有理数Q和实数R
      3.3  传播的不确定性
        3.3.1  线性函数
        3.3.2  非线性函数
      3.4  从模型级的数据和不确定性中学习
        3.4.1  学习基础:固有风险、近似风险和估计风险
        3.4.2  偏移方差权衡
        3.4.3  非线性回归
        3.4.4  线性回归
        3.4.5  线性时不变预测模型
        3.4.6  应用级别的不确定性
    第4章  随机算法
      4.1  计算复杂性
        4.1.1  算法分析
        4.1.2  P问题、NP完全问题、NP困难问题
      4.2  蒙特卡洛方法

        4.2.1  蒙特卡洛背后的思想
        4.2.2  弱、强大数定律
        4.2.3  一些收敛结果
        4.2.4  维数灾难和蒙特卡洛
      4.3  样本数量的界
        4.3.1  伯努利界
        4.3.2  切尔诺夫界
        4.3.3  估计函数最大值样本的界
      4.4  随机算法介绍
        4.4.1  算法验证问题
        4.4.2  最大值估计问题
        4.4.3  期望估计问题
        4.4.4  最小(最大)期望问题
      4.5  控制采样空间的统计量
    第5章  鲁棒性分析
      5.1  问题形式化
        5.1.1  鲁棒性
        5.1.2  计算流水平的鲁棒性
      5.2  小扰动鲁棒性
        5.2.1  评估小扰动在函数输出中的影响
        5.2.2  经验风险水平的扰动
        5.2.3  结构风险水平的扰动
        5.2.4  鲁棒性理论要点
      5.3  大扰动的鲁棒性
        5.3.1  问题定义:以u(δθ)为例
        5.3.2  随机算法和鲁棒性:以u(δθ)为例
        5.3.3  最大期望问题
    第6章  嵌入式系统的情感认知机制
      6.1  情感认知结构
      6.2  自动和受控处理
        6.2.1  自动处理
        6.2.2  受控处理
      6.3  神经情感系统的基本功能
        6.3.1  杏仁体
        6.3.2  长期记忆
        6.3.3  基底神经节
        6.3.4  外侧前额叶和联合皮层
        6.3.5  前扣带皮层
        6.3.6  眶/腹侧-内侧前额叶皮层
        6.3.7  海马体
      6.4  情感和决策
    第7章  性能评估和可能近似正确的计算
      7.1  准确估计:品质因数
        7.1.1  平方误差
        7.1.2  柯尔贝克-莱布勒
        7.1.3  Lp范数和其他品质因数
      7.2  可能近似正确的计算
      7.3  性能验证问题
        7.3.1  性能满意度问题
        7.3.2  品质因数的期望问题

        7.3.3  最大性能问题
        7.3.4  PACC问题
        7.3.5  最小(最大)扰动期望问题
      7.4  准确度估计:给定数据集的情况下
        7.4.1  问题形式化
        7.4.2  自举方法
        7.4.3  小自举包方法
      7.5  认知处理和PACC
      7.6  示例:嵌入式系统的准确度评估
    第8章  嵌入式系统中的智能机制
      8.1  电源电压与处理器频率层面的适应能力
        8.1.1  在线DVFS
        8.1.2  离线 DVFS
      8.2  自适应感知及其策略
        8.2.1  分级感知技术
        8.2.2  自适应采样
      8.3  能量获取级别自适应
        8.3.1  增量电导法
        8.3.2  扰动和观测法
      8.4  时钟同步智能算法
        8.4.1  时钟同步:框架
        8.4.2  时钟同步的统计方法
        8.4.3  时钟同步的自适应方法
        8.4.4  时钟同步的预测方法
      8.5  定位和跟踪
        8.5.1  基于RSS的定位
        8.5.2  基于到达时间的定位
        8.5.3  基于到达角的定位
        8.5.4  基于到达频率的方法
      8.6  应用代码级别的自适应
        8.6.1  远程参数-代码可重编程性
        8.6.2  远程代码可重编程性
        8.6.3  决策支持系统
        8.6.4  在线硬件可重编程性
        8.6.5  应用:Rialba塔监测系统
    第9章  非稳态和演进环境中的学习
      9.1  被动学习和主动学习
        9.1.1  被动学习
        9.1.2  主动学习
      9.2  变点方法
        9.2.1  变点
        9.2.2  集合差异性
        9.2.3  变点公式
        9.2.4  CPM中使用的测试统计信息
        9.2.5  基本方案扩展
      9.3  更改检测测试
        9.3.1  CUSUM CDT系列
        9.3.2  置信区间CDT系列的交集
        9.3.3  杏仁体—VM-PFC:H-CDT
      9.4  即时学习框架

        9.4.1  观测模型
        9.4.2  JIT分类器
        9.4.3  渐进性概念漂移
        9.4.4  渐进性概念漂移的JIT
        9.4.5  杏仁体—VM-PFC—LPAC-ACC:JIT方法
    第10章  故障诊断系统
      10.1  基于模型的故障检测和隔离
      10.2  无模型故障检测和隔离
        10.2.1  FDS:传感器级情况
        10.2.2  FDS:传感器-传感器关系的变化
        10.2.3  FDS:多传感器案例
      10.3  杏仁体和VM-PFC:多传感器级FDS
    参考文献