動態(tài)數(shù)據(jù)驅動應用系統(tǒng)指南

 
第1章動態(tài)數(shù)據(jù)驅動應用系統(tǒng)介紹.
1.1 引言
1.2 什么是DDDAS
13狀態(tài)估計和數(shù)據(jù)同化
1.4 DDDAS 方法
1.5 DDDAS 發(fā)展歷程
15.1 理論:建模與分析
1.5.2方法:領域應用
15.3設計:系統(tǒng)和架構
1.6本書概述
1.7 DDDAS的未來
1.8 小結
參考文獻
部分測量感知:數(shù)據(jù)同化和不確定性量化
第2章動態(tài)數(shù)據(jù)驅動相干流體映射中的可伸縮非高斯表示
2.1 引言
2.11系統(tǒng)動力學及優(yōu)化
2.1.2 動態(tài)變形精簡模型
2.1.3 非線性高維推理
2.2多集合的集成學習
2.3 非線性濾波必須減少總方差
2.4堆疊級聯(lián)學習
2.5濾波中的信息論
2.6 應用示例
2.7 小結
參考文獻
第3章多尺度系統(tǒng)數(shù)據(jù)同化中的動態(tài)數(shù)據(jù)驅動自適應觀測
3.1 引言
3.2 降維和均質化
3.3多尺度系統(tǒng)中的數(shù)據(jù)同化
3.4基于信息論的傳感器選擇策略
3.4.1 線性情況
3.4.2粗粒度動力學的信息流
3.4.3有限時間李雅普諾夫指數(shù)和奇異向量
3.4.4傳感器選擇和Lorenz1963模型
3.5小結
參考文獻
第4章基于多項式混沌動態(tài)數(shù)據(jù)驅動 的不確定性量化空間態(tài)勢感知
4.1 引言
4.2 高斯混合模型
4.3 多項式混沌
4.4高斯混合模型的多項式混沌
4.5全球電離層-熱層模型
4.6 實驗結果
4.61軌道不確定性度量
4.6.2大氣密度預測的初步結果
4.7 小結
參考文獻
第二部分信號感知:過程監(jiān)控
第5章面向航空故障檢測的學習時空數(shù)據(jù)流關系研究
5.1 引言
5.2 背景介紹
5.2.1錯誤檢測和糾正方法
5.2.2時空數(shù)據(jù)流處理系統(tǒng)
5.3 機器學習組件的設計
5.3.1 PILOTS 編程語言的預測
5.3.2PILOTS運行時的預測
5.4線性模型的數(shù)據(jù)驅動學習
5.4.1學習算法
5.4.2線性模型精度
5.5動態(tài)模型的統(tǒng)計學習
5.5.1離線監(jiān)督學習
5.5.2動態(tài)在線無監(jiān)督學習
5.6案例分析:飛機重量估算
5.6.1 實驗設置
5.6.2線性回歸估計氣動模型參數(shù)
5.6.3使用錯誤簽名進行錯誤檢測和糾正
5.6.4使用動態(tài)貝葉斯分類器進行錯誤檢測
……
第三部分 結構感知：健康建模
第四部分 環(huán)境感知：地球、生物和空間系統(tǒng)
第五部分 情景感知：追蹤方法
第六部分 上下文感知：協(xié)調控制
第七部分 能源感知：能源系統(tǒng)
第八部分 過程感知：圖形和視頻編碼
第九部分 網(wǎng)路感知：安全性和計算
第十部分 系統(tǒng)感知：設計方法