嵌入式系統(tǒng)智能：一種方法論的方法

譯者序
原書前言
縮略語
物理量與符號
第1章緒論1
11本書是如何組織的3
111從計量到數(shù)值數(shù)據(jù)3
112不確定性、信息和學習機制4
113隨機算法5
114魯棒性分析5
115嵌入式系統(tǒng)的情感認知機制6
116性能評估和可能近似正確的計算6
117嵌入式系統(tǒng)中的智能機制7
118非穩(wěn)態(tài)和演進環(huán)境中的學習7
119故障診斷系統(tǒng)8
第2章從計量到數(shù)值數(shù)據(jù)9
21測量和測量值9
211測量鏈9
212測量過程建模12
213準確度13
214精度14
215分辨率15
22數(shù)據(jù)表示的確定性與隨機性16
221確定性表示：無噪聲影響的數(shù)據(jù)16
222隨機性表示：有噪聲影響的數(shù)據(jù)17
223信噪比18
第3章不確定性、信息和學習機制19
31不確定性和擾動19
311從誤差到擾動19
312擾動19
32在數(shù)據(jù)表示層的擾動20
321自然數(shù)N：自然二進制20
322整數(shù)Z：二進制補碼22
323二進制補碼記數(shù)法22
324有理數(shù)Q和實數(shù)R23
33傳播的不確定性24
331線性函數(shù)25
332非線性函數(shù)28
34從模型級的數(shù)據(jù)和不確定性中學習29
341學習基礎(chǔ)：固有風險、近似風險和估計風險30
342偏移方差權(quán)衡34
343非線性回歸35
344線性回歸37
345線性時不變預(yù)測模型38
346應(yīng)用級別的不確定性40
第4章隨機算法41
41計算復(fù)雜性42
411算法分析43
412P問題、NP完全問題、NP困難問題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、強大數(shù)定律49
423一些收斂結(jié)果50
424維數(shù)災(zāi)難和蒙特卡洛53
43樣本數(shù)量的界53
431伯努利界54
432切爾諾夫界55
433估計函數(shù)值樣本的界59
44隨機算法介紹60
441算法驗證問題61
442值估計問題64
443期望估計問題67
444?。ǎ┢谕麊栴}70
45控制采樣空間的統(tǒng)計量73
第5章魯棒性分析76
51問題形式化76
511魯棒性76
512計算流水平的魯棒性78
52小擾動魯棒性78
521評估小擾動在函數(shù)輸出中的影響79
522經(jīng)驗風險水平的擾動79
523結(jié)構(gòu)風險水平的擾動83
524魯棒性理論要點89
53大擾動的魯棒性91
531問題定義：以u(δθ)為例92
532隨機算法和魯棒性：以u(δθ)為例93
533期望問題96
第6章嵌入式系統(tǒng)的情感認知機制100
61情感認知結(jié)構(gòu)100
62自動和受控處理101
621自動處理101
622受控處理102
63神經(jīng)情感系統(tǒng)的基本功能103
631杏仁體103
632長期記憶104
633基底神經(jīng)節(jié)104
634外側(cè)前額葉和聯(lián)合皮層105
635前扣帶皮層105
636眶/腹側(cè)-內(nèi)側(cè)前額葉皮層106
637海馬體106
64情感和決策107
第7章性能評估和可能近似正確的計算108
71準確估計：品質(zhì)因數(shù)108
711平方誤差109
712柯爾貝克-萊布勒110
713Lp范數(shù)和其他品質(zhì)因數(shù)110
72可能近似正確的計算111
73性能驗證問題114
731性能滿意度問題114
732品質(zhì)因數(shù)的期望問題116
733性能問題117
734PACC問題117
735?。ǎ_動期望問題118
74準確度估計：給定數(shù)據(jù)集的情況下118
741問題形式化119
742自舉方法120
743小自舉包方法121
75認知處理和PACC122
76示例：嵌入式系統(tǒng)的準確度評估122
第8章嵌入式系統(tǒng)中的智能機制130
81電源電壓與處理器頻率層面的適應(yīng)能力131
811在線DVFS132
812離線 DVFS134
82自適應(yīng)感知及其策略134
821分級感知技術(shù)136
822自適應(yīng)采樣138
83能量獲取級別自適應(yīng)141
831增量電導法145
832擾動和觀測法146
84時鐘同步智能算法147
841時鐘同步：框架149
842時鐘同步的統(tǒng)計方法150
843時鐘同步的自適應(yīng)方法155
844時鐘同步的預(yù)測方法155
85定位和跟蹤155
851基于RSS的定位156
852基于到達時間的定位159
853 基于到達角的定位160
854基于到達頻率的方法160
86應(yīng)用代碼級別的自適應(yīng)161
861遠程參數(shù)-代碼可重編程性161
862遠程代碼可重編程性163
863決策支持系統(tǒng)164
864在線硬件可重編程性167
865 應(yīng)用：Rialba塔監(jiān)測系統(tǒng)170
第9章非穩(wěn)態(tài)和演進環(huán)境中的學習174
91被動學習和主動學習175
911被動學習175
912主動學習178
92變點方法183
921變點183
922集合差異性183
923變點公式184
924CPM中使用的測試統(tǒng)計信息185
925基本方案擴展186
93更改檢測測試187
931CUSUM CDT系列188
932置信區(qū)間CDT系列的交集190
933杏仁體—VM-PFC：H-CDT199
94即時學習框架199
941觀測模型200
942JIT分類器201
943漸進性概念漂移205
944漸進性概念漂移的JIT206
945杏仁體—VM-PFC—LPAC-ACC：JIT方法207
第10章故障診斷系統(tǒng)208
101基于模型的故障檢測和隔離210
102無模型故障檢測和隔離211
1021FDS：傳感器級情況213
1022FDS：傳感器-