توضیحات
Written by global leaders and pioneers in the field, this book is a must-have read for researchers, practicing engineers and university faculty working in SHM.
Structural Health Monitoring: A Machine Learning Perspective is the first comprehensive book on the general problem of structural health monitoring. The authors, renowned experts in the field, consider structural health monitoring in a new manner by casting the problem in the context of a machine learning/statistical pattern recognition paradigm, first explaining the paradigm in general terms then explaining the process in detail with further insight provided via numerical and experimental studies of laboratory test specimens and in-situ structures. This paradigm provides a comprehensive framework for developing SHM solutions.
Structural Health Monitoring: A Machine Learning Perspective makes extensive use of the authors detailed surveys of the technical literature, the experience they have gained from teaching numerous courses on this subject, and the results of performing numerous analytical and experimental structural health monitoring studies.
- Considers structural health monitoring in a new manner by casting the problem in the context of a machine learning/statistical pattern recognition paradigm
- Emphasises an integrated approach to the development of structural health monitoring solutions by coupling the measurement hardware portion of the problem directly with the data interrogation algorithms
- Benefits from extensive use of the authors detailed surveys of 800 papers in the technical literature and the experience they have gained from teaching numerous short courses on this subject.
Content:
Chapter 1 Introduction (pages 116):
Chapter 2 Historical Overview (pages 1743):
Chapter 3 Operational Evaluation (pages 4552):
Chapter 4 Sensing and Data Acquisition (pages 5385):
Chapter 5 Case Studies (pages 87117):
Chapter 6 Introduction to Probability and Statistics (pages 119160):
Chapter 7 Damage?Sensitive Features (pages 161243):
Chapter 8 Features Based on Deviations from Linear Response (pages 245294):
Chapter 9 Machine Learning and Statistical Pattern Recognition (pages 295320):
Chapter 10 Unsupervised Learning Novelty Detection (pages 321360):
Chapter 11 Supervised Learning Classification and Regression (pages 361401):
Chapter 12 Data Normalisation (pages 403438):
Chapter 13 Fundamental Axioms of Structural Health Monitoring (pages 439460):
Chapter 14 Damage Prognosis (pages 461477):
————————————————————–
ترجمه ماشینی :
این کتاب که توسط رهبران جهانی و پیشگامان در این زمینه نوشته شده است، برای محققان، مهندسان شاغل و اساتید دانشگاهی که در SHM کار می کنند، خواندنی ضروری است.
نظارت بر سلامت ساختاری: یادگیری ماشینی چشم اندازاولین کتاب جامع در مورد مشکل کلی پایش سلامت سازه است. نویسندگان، متخصصان مشهور در این زمینه، نظارت بر سلامت ساختاری را به شیوهای جدید با طرح مسئله در چارچوب الگوی یادگیری ماشین/تشخیص الگوی آماری در نظر میگیرند، ابتدا پارادایم را به طور کلی توضیح میدهند و سپس فرآیند را با جزئیات بیشتر با بینش بیشتر توضیح میدهند. از طریق مطالعات عددی و تجربی نمونههای آزمایش آزمایشگاهی و ساختارهای درجا ارائه شده است. این پارادایم یک چارچوب جامع برای توسعه راه حل های SHM فراهم می کند.
نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی از بررسیهای دقیق نوی
tag : دانلود کتاب نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی , Download نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی , دانلود نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی , Download Structural Health Monitoring: A Machine Learning Perspective Book , نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی دانلود , buy نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی , خرید کتاب نظارت بر سلامت ساختاری: دیدگاه یادگیری ماشینی , دانلود کتاب Structural Health Monitoring: A Machine Learning Perspective , کتاب Structural Health Monitoring: A Machine Learning Perspective , دانلود Structural Health Monitoring: A Machine Learning Perspective , خرید Structural Health Monitoring: A Machine Learning Perspective , خرید کتاب Structural Health Monitoring: A Machine Learning Perspective ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.