Concurrent Learning and Information Processing: A Neuro-Computing System that Learns During Monitoring, Forecasting, and Control

بسیاری از عملیات نظارت، پیش‌بینی و کنترل در تنظیماتی اتفاق می‌افتد که روابط بین اندازه‌گیری‌های کلیدی باید به سرعت آموخته شود. به عنوان مثال، فرآیندهای صنعتی آنلاین که در آن مواد نفوذی در طول زمان سازگار نیست، بار انرژی یا پیش‌بینی قیمت که ویژگی‌های تقاضا به سرعت تغییر می‌کند، و مدیریت سلامت که در آن روابط بین متغیرهای نظارت شده باید برای هر ترکیب درمان بیمار آموخته شود. راه حل ارائه شده یک سیستم محاسبات عصبی جدید است که در زمان واقعی یاد می گیرد، حتی زمانی که نرخ رسیدن داده ها چندین میلیون اندازه گیری در ثانیه باشد. این کتاب مزایا و ویژگی‌های سیستم، مبانی آماری سیستم و چندین مدل مرتبط را شرح می‌دهد.
این کتاب همچنین نرم افزار سیستم موجود را توضیح می دهد.

Many monitoring, forecasting, and control operations occur in settings where relationships among key measurements must be learned quickly. Examples are on-line industrial processes where influent material is not consistent over time, energy load or price forecasting where demand characteristics change rapidly,and health management where relationships among monitored variables must be learned for each patient-treatment combination. The solution presented is a new neuro-computing system that learns in real-time, even when data arrival rates are several million measurements per second. The book describes benefits and features of the system, statistical foundations for the system, and several related models.
The book also describes available system software.