嵌入式系统智能:一种方法论的方法

译者序

原书前言

缩略语

物理量与符号

第1章绪论1

11本书是如何组织的3

111从计量到数值数据3

112不确定性、信息和学习机制4

113随机算法5

114鲁棒性分析5

115嵌入式系统的情感认知机制6

116性能评估和可能近似正确的计算6

117嵌入式系统中的智能机制7

118非稳态和演进环境中的学习7

119故障诊断系统8

第2章从计量到数值数据9

21测量和测量值9

211测量链9

212测量过程建模12

213准确度13

214精度14

215分辨率15

22数据表示的确定性与随机性16

221确定性表示：无噪声影响的数据16

222随机性表示：有噪声影响的数据17

223信噪比18

第3章不确定性、信息和学习机制19

31不确定性和扰动19

311从误差到扰动19

312扰动19

32在数据表示层的扰动20

321自然数N：自然二进制20

322整数Z：二进制补码22

323二进制补码记数法22

324有理数Q和实数R23

33传播的不确定性24

331线性函数25

332非线性函数28

34从模型级的数据和不确定性中学习29

341学习基础：固有风险、近似风险和估计风险30

342偏移方差权衡34

343非线性回归35

344线性回归37

345线性时不变预测模型38

346应用级别的不确定性40

第4章随机算法41

41计算复杂性42

411算法分析43

412P问题、NP完全问题、NP困难问题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、强大数定律49

423一些收敛结果50

424维数灾难和蒙特卡洛53

43样本数量的界53

431伯努利界54

432切尔诺夫界55

433估计函数*大值样本的界59

44随机算法介绍60

441算法验证问题61

442*大值估计问题64

443期望估计问题67

444*小（*大）期望问题70

45控制采样空间的统计量73

第5章鲁棒性分析76

51问题形式化76

511鲁棒性76

512计算流水平的鲁棒性78

52小扰动鲁棒性78

521评估小扰动在函数输出中的影响79

522经验风险水平的扰动79

523结构风险水平的扰动83

524鲁棒性理论要点89

53大扰动的鲁棒性91

531问题定义：以u(δθ)为例92

532随机算法和鲁棒性：以u(δθ)为例93

533*大期望问题96

第6章嵌入式系统的情感认知机制100

61情感认知结构100

62自动和受控处理101

621自动处理101

622受控处理102

63神经情感系统的基本功能103

631杏仁体103

632长期记忆104

633基底神经节104

634外侧前额叶和联合皮层105

635前扣带皮层105

636眶/腹侧-内侧前额叶皮层106

637海马体106

64情感和决策107

第7章性能评估和可能近似正确的计算108

71准确估计：品质因数108

711平方误差109

712柯尔贝克-莱布勒110

713Lp范数和其他品质因数110

72可能近似正确的计算111

73性能验证问题114

731性能满意度问题114

732品质因数的期望问题116

733*大性能问题117

734PACC问题117

735*小（*大）扰动期望问题118

74准确度估计：给定数据集的情况下118

741问题形式化119

742自举方法120

743小自举包方法121

75认知处理和PACC122

76示例：嵌入式系统的准确度评估122

第8章嵌入式系统中的智能机制130

81电源电压与处理器频率层面的适应能力131

811在线DVFS132

812离线 DVFS134

82自适应感知及其策略134

821分级感知技术136

822自适应采样138

83能量获取级别自适应141

831增量电导法145

832扰动和观测法146

84时钟同步智能算法147

841时钟同步：框架149

842时钟同步的统计方法150

843时钟同步的自适应方法155

844时钟同步的预测方法155

85定位和跟踪155

851基于RSS的定位156

852基于到达时间的定位159

853 基于到达角的定位160

854基于到达频率的方法160

86应用代码级别的自适应161

861远程参数-代码可重编程性161

862远程代码可重编程性163

863决策支持系统164

864在线硬件可重编程性167

865 应用：Rialba塔监测系统170

第9章非稳态和演进环境中的学习174

91被动学习和主动学习175

911被动学习175

912主动学习178

92变点方法183

921变点183

922集合差异性183

923变点公式184

924CPM中使用的测试统计信息185

925基本方案扩展186

93更改检测测试187

931CUSUM CDT系列188

932置信区间CDT系列的交集190

933杏仁体—VM-PFC：H-CDT199

94即时学习框架199

941观测模型200

942JIT分类器201

943渐进性概念漂移205

944渐进性概念漂移的JIT206

945杏仁体—VM-PFC—LPAC-ACC：JIT方法207

第10章故障诊断系统208

101基于模型的故障检测和隔离210

102无模型故障检测和隔离211

1021FDS：传感器级情况213

1022FDS：传感器-传感器关系的变化217

1023FDS：多传感器案例221

103杏仁体和VM-PFC：多传感器级FDS225

参考文献226