Nelles, O: Nonlinear System Identification
en Limba Engleză Hardback – 30 sep 2022
În cadrul programelor de studiu avansat în inginerie, automatică și fizică aplicată, identificarea sistemelor constituie pilonul central pentru modelarea proceselor complexe. Nelles, O: Nonlinear System Identification, publicată de Springer Nature Switzerland AG, reprezintă o resursă monumentală care sintetizează evoluția acestui domeniu de la abordările ad-hoc din trecut la metodologiile integrate de astăzi. Remarcăm faptul că această a doua ediție extinde semnificativ cadrul propus de lucrări clasice precum System Identification de Lennart Ljung, aducând date noi și o acoperire vastă a modelelor de tip „black-box”, cum sunt rețelele neuronale și modelele neuro-fuzzy.
Considerăm că forța acestui volum rezidă în structura sa progresivă. Prima parte este dedicată optimizării (liniare, neliniare, locale și globale), oferind fundamentele necesare pentru înțelegerea învățării nesupervizate. Partea a doua și a treia fac trecerea de la modelele statice (rețele neuronale, procese Gaussiene) la cele dinamice, explorând identificarea sistemelor în timp discret. Spre deosebire de Nonlinear System Identification - Input-Output Modeling Approach de Robert Haber, care se limitează la modelarea intrare-ieșire, tratatul lui Oliver Nelles explorează mecanisme interne complexe și tehnici de selecție a intrărilor pentru modele locale.
Stilul de redactare este unul pragmatic; autorul alege să explice conceptele prin numeroase figuri și exemple din lumea reală, menținând aparatul matematic la un nivel accesibil. Această abordare facilitează o înțelegere intuitivă a modului în care pot fi aplicate modelele matematice în industrie, fără a se pierde în demonstrații teoretice abstracte.
Preț: 687.28 lei
Preț vechi: 808.57 lei
-15%
Carte disponibilă
Livrare economică 04-18 mai
Specificații
ISBN-10: 3030474380
Pagini: 1225
Ilustrații: XXVIII, 1225 p. 161 illus. in color.
Dimensiuni: 242 x 163 x 51 mm
Greutate: 2.48 kg
Ediția:2nd edition 2020
Editura: Springer Nature Switzerland AG
Locul publicării:Cham, Switzerland
De ce să citești această carte
Recomandăm această carte specialiștilor care au nevoie de un ghid complet pentru modelarea sistemelor ce nu pot fi descrise prin ecuații liniare. Cititorul câștigă acces la o metodologie riguroasă de optimizare și identificare, aplicabilă imediat în proiecte de inginerie. Este o investiție pe termen lung în biblioteca oricărui cercetător, oferind soluții practice pentru probleme unde abordările clasice eșuează.
Despre autor
Oliver Nelles este un specialist recunoscut în domeniul ingineriei controlului și al identificării sistemelor, activând în mediul academic unde se concentrează pe intersecția dintre inteligența artificială și automatizările industriale. Expertiza sa în rețele neuronale și sisteme fuzzy este reflectată în modul în care a structurat acest volum de referință, reușind să traducă concepte matematice dificile în instrumente de lucru pentru inginerii practicieni.
Descriere scurtă
Moreover, the book is self-contained, requiring only a basic grasp of matrix algebra, signals and systems, and statistics. Accordingly, it can also serve as an introduction to linear system identification, and provides a practical overview of the major optimization methods used in engineering. The focus is on gaining an intuitive understanding of the subject and the practical application of the techniques discussed. The book is not written in a theorem/proof style; instead, the mathematics is kept to a minimum, and the ideas covered are illustrated with numerous figures, examples, and real-world applications.
In the past, nonlinear system identification was a field characterized by a variety of ad-hoc approaches, each applicable only to a very limited class of systems. With the advent of neural networks, fuzzy models, Gaussian process models, and modern structure optimization techniques, a much broader class of systems can now be handled. Although one major aspect of nonlinear systems is that virtually every one is unique, tools have since been developed that allow each approach to be applied to a wide variety of systems.