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值估计问题64
443期望估计问题67
444小（）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性能问题117
734PACC问题117
735小（）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-