Case-Based Reasoning on Images and Signals

این کتاب اولین کتاب ویرایش شده است که به موضوع خاص سیگنال ها و تصاویر در استدلال مبتنی بر مورد (CBR) می پردازد.

سیستم های تفسیر سیگنال به طور فزاینده ای در کاربردهای پزشکی، صنعتی، زیست محیطی، بیوتکنولوژیکی و بسیاری از کاربردهای دیگر محبوب می شوند. تکنیک های آماری و دانش محور موجود فاقد استحکام، دقت و انعطاف پذیری هستند. استراتژی‌های جدیدی مورد نیاز است که بتواند با شرایط متغیر محیطی، تغییرات سیگنال، نیازهای کاربر و الزامات فرآیند سازگار شود. معرفی استراتژی های CBR در سیستم های تفسیر سیگنال می تواند این الزامات را برآورده کند. از CBR می توان برای کنترل فرآیند پردازش سیگنال در تمام مراحل یک سیستم تفسیر سیگنال برای استخراج اطلاعات با بالاترین کیفیت ممکن استفاده کرد. فراتر از این CBR قابلیت های یادگیری متفاوتی را برای تمام مراحل یک سیستم تفسیر سیگنال ارائه می دهد که نیازهای مختلف را در طول فرآیند توسعه یک سیستم تفسیر سیگنال برآورده می کند.

ساختار کتاب به یک بخش نظری و یک بخش کاربردی گرا تقسیم شده است. دانشمندان و کارشناسان علوم کامپیوتر از صنعت، پزشکی و بیوتکنولوژی که دوست دارند روی موضوعات خاص CBR برای سیگنال ها و تصاویر کار کنند، این کار را مفید خواهند یافت. اگرچه استدلال مبتنی بر مورد اغلب یک سخنرانی استاندارد در دانشگاه ها نیست، امیدواریم بتوانیم دانشجویان دکترا را نیز برای پرداختن به این موضوع تشویق کنیم.

This book is the first edited book that deals with the special topic of signals and images within Case-Based Reasoning (CBR).

Signal-interpreting systems are becoming increasingly popular in medical, industrial, ecological, biotechnological and many other applications. Existing statistical and knowledge-based techniques lack robustness, accuracy and flexibility. New strategies are needed that can adapt to changing environmental conditions, signal variation, user needs and process requirements. Introducing CBR strategies into signal-interpreting systems can satisfy these requirements. CBR can be used to control the signal-processing process in all phases of a signal-interpreting system to derive information of the highest possible quality. Beyond this CBR offers different learning capabilities, for all phases of a signal-interpreting system, that satisfy different needs during the development process of a signal-interpreting system.

The structure of the book is divided into a theoretical part and into an application-oriented part. Scientists and computer science experts from industry, medicine and biotechnology who like to work on the special topics of CBR for signals and images will find this work useful. Although case-based reasoning is often not a standard lecture at universities we hope we to also inspire PhD students to deal with this topic.