دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Jürgen Beyerer, Oliver Niggemann, Christian Kühnert (eds.) سری: Technologien für die intelligente Automation ISBN (شابک) : 9783662538050, 9783662538067 ناشر: Springer Vieweg سال نشر: 2017 تعداد صفحات: 76 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری ماشین برای سیستم های فیزیکی سایبری: مقالات منتخب از کنفرانس بین المللی ML4CPS 2016: هوش محاسباتی، داده کاوی و کشف دانش، مدیریت دانش
در صورت تبدیل فایل کتاب Machine Learning for Cyber Physical Systems: Selected papers from the International Conference ML4CPS 2016 به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری ماشین برای سیستم های فیزیکی سایبری: مقالات منتخب از کنفرانس بین المللی ML4CPS 2016 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کار رویکردهای جدیدی را برای یادگیری ماشین برای سیستمهای فیزیکی سایبری، تجربیات و دیدگاهها ارائه میکند. این شامل چند مقاله منتخب از کنفرانس بینالمللی ML4CPS – یادگیری ماشینی برای سیستمهای فیزیکی سایبری است که در کارلسروهه، 29 سپتامبر 2016 برگزار شد. در مشاهدات، آنها الگوها، همبستگی ها و مدل های پیش بینی را یاد می گیرند. برنامه های معمولی عبارتند از نظارت بر وضعیت، نگهداری پیش بینی، پردازش تصویر و تشخیص. یادگیری ماشین فناوری کلیدی برای این پیشرفت ها است.
The work presents new approaches to Machine Learning for Cyber Physical Systems, experiences and visions. It contains some selected papers from the international Conference ML4CPS – Machine Learning for Cyber Physical Systems, which was held in Karlsruhe, September 29th, 2016. Cyber Physical Systems are characterized by their ability to adapt and to learn: They analyze their environment and, based on observations, they learn patterns, correlations and predictive models. Typical applications are condition monitoring, predictive maintenance, image processing and diagnosis. Machine Learning is the key technology for these developments.
Front Matter....Pages I-VII
A Concept for the Application of Reinforcement Learning in the Optimization of CAM-Generated Tool Paths....Pages 1-8
Semantic Stream Processing in Dynamic Environments Using Dynamic Stream Selection....Pages 9-15
Dynamic Bayesian Network-Based Anomaly Detection for In-Process Visual Inspection of Laser Surface Heat Treatment....Pages 17-24
A Modular Architecture for Smart Data Analysis using AutomationML, OPC-UA and Data-driven Algorithms....Pages 25-33
Cloud-based event detection platform for water distribution networks using machine-learning algorithms....Pages 35-43
A Generic Data Fusion and Analysis Platform for Cyber-Physical Systems....Pages 45-54
Agent Swarm Optimization: Exploding the search space....Pages 55-64
Anomaly Detection in Industrial Networks using Machine Learning: A Roadmap....Pages 65-72