本書從方法論的角度提出了在嵌入式系統(tǒng)平臺上實現(xiàn)智能的方法，針對在現(xiàn)實世界中具有不確定性、非穩(wěn)態(tài)和演進的環(huán)境中的嵌入式系統(tǒng)所面臨的基本問題，引入適應策略、主動和被動學習能力、魯棒性能力、嵌入式和分布式認知故障診斷系統(tǒng)的設計，以及用于評估嵌入式應用中的性能和約束滿意度的技術。本書的重點是將給定問題形式化，提出解決問題*相關的策略，以及關于理論、方法、途徑“背后問題”的討論，以便研究人員、從業(yè)者和學生學習、理解和完善智能背后的基本機制，以及如何將它們用于設計下一代嵌入式系統(tǒng)和嵌入式應用程序。
譯者序
原書前言
縮略語
物理量與符號
第1章緒論1
11本書是如何組織的3
111從計量到數(shù)值數(shù)據(jù)3
112不確定性、信息和學習機制4
113隨機算法5
114魯棒性分析5
115嵌入式系統(tǒng)的情感認知機制6
116性能評估和可能近似正確的計算6
117嵌入式系統(tǒng)中的智能機制7
118非穩(wěn)態(tài)和演進環(huán)境中的學習7
119故障診斷系統(tǒng)8
第2章從計量到數(shù)值數(shù)據(jù)9
21測量和測量值9
211測量鏈9
212測量過程建模12
213準確度13
214精度14
215分辨率15
22數(shù)據(jù)表示的確定性與隨機性16
221確定性表示：無噪聲影響的數(shù)據(jù)16
222隨機性表示：有噪聲影響的數(shù)據(jù)17
223信噪比18
第3章不確定性、信息和學習機制19
31不確定性和擾動19
311從誤差到擾動19
312擾動19
32在數(shù)據(jù)表示層的擾動20
321自然數(shù)N：自然二進制20
322整數(shù)Z：二進制補碼22
323二進制補碼記數(shù)法22
324有理數(shù)Q和實數(shù)R23
33傳播的不確定性24
331線性函數(shù)25
332非線性函數(shù)28
34從模型級的數(shù)據(jù)和不確定性中學習29
341學習基礎：固有風險、近似風險和估計風險30
342偏移方差權衡34
343非線性回歸35
344線性回歸37
345線性時不變預測模型38
346應用級別的不確定性40
第4章隨機算法41
41計算復雜性42
411算法分析43
412P問題、NP完全問題、NP困難問題45
42蒙特卡洛方法46
421蒙特卡洛背后的思想47
422弱、強大數(shù)定律49
423一些收斂結果50
424維數(shù)災難和蒙特卡洛53
43樣本數(shù)量的界53
431伯努利界54
432切爾諾夫界55
433估計函數(shù)最大值樣本的界59
44隨機算法介紹60
441算法驗證問題61
442最大值估計問題64
443期望估計問題67
444最小（最大）期望問題70
45控制采樣空間的統(tǒng)計量73
第5章魯棒性分析76
51問題形式化76
511魯棒性76
512計算流水平的魯棒性78
52小擾動魯棒性78
521評估小擾動在函數(shù)輸出中的影響79
522經(jīng)驗風險水平的擾動79
523結構風險水平的擾動83
524魯棒性理論要點89
53大擾動的魯棒性91
531問題定義：以u(δθ)為例92
532隨機算法和魯棒性：以u(δθ)為例93
533最大期望問題96
第6章嵌入式系統(tǒng)的情感認知機制100
61情感認知結構100
62自動和受控處理101
621自動處理101
622受控處理102
63神經(jīng)情感系統(tǒng)的基本功能103
631杏仁體103
632長期記憶104
633基底神經(jīng)節(jié)104
634外側前額葉和聯(lián)合皮層105
635前扣帶皮層105
636眶/腹側-內(nèi)側前額葉皮層106
637海馬體106
64情感和決策107
第7章性能評估和可能近似正確的計算108
71準確估計：品質(zhì)因數(shù)108
711平方誤差109
712柯爾貝克-萊布勒110
713Lp范數(shù)和其他品質(zhì)因數(shù)110
72可能近似正確的計算111
73性能驗證問題114
731性能滿意度問題114
732品質(zhì)因數(shù)的期望問題116
733最大性能問題117
734PACC問題117
735最�。ㄗ畲螅⿺_動期望問題118
74準確度估計：給定數(shù)據(jù)集的情況下118
741問題形式化119
742自舉方法120
743小自舉包方法121
75認知處理和PACC122
76示例：嵌入式系統(tǒng)的準確度評估122
第8章嵌入式系統(tǒng)中的智能機制130
81電源電壓與處理器頻率層面的適應能力131
811在線DVFS132
812離線 DVFS134
82自適應感知及其策略134
821分級感知技術136
822自適應采樣138
83能量獲取級別自適應141
831增量電導法145
832擾動和觀測法146
84時鐘同步智能算法147
841時鐘同步：框架149
842時鐘同步的統(tǒng)計方法150
843時鐘同步的自適應方法155
844時鐘同步的預測方法155
85定位和跟蹤155
851基于RSS的定位156
852基于到達時間的定位159
853 基于到達角的定位160
854基于到達頻率的方法160
86應用代碼級別的自適應161
861遠程參數(shù)-代碼可重編程性161
862遠程代碼可重編程性163
863決策支持系統(tǒng)164
864在線硬件可重編程性167
865 應用：Rialba塔監(jiān)測系統(tǒng)170
第9章非穩(wěn)態(tài)和演進環(huán)境中的學習174
91被動學習和主動學習175
911被動學習175
912主動學習178
92變點方法183
921變點183
922集合差異性183
923變點公式184
924CPM中使用的測試統(tǒng)計信息185
925基本方案擴展186
93更改檢測測試187
931CUSUM CDT系列188
932置信區(qū)間CDT系列的交集190
933杏仁體—VM-PFC：H-CDT199
94即時學習框架199
941觀測模型200
942JIT分類器201
943漸進性概念漂移205
944漸進性概念漂移的JIT206
945杏仁體—VM-PFC—LPAC-ACC：JIT方法207
第10章故障診斷系統(tǒng)208
101基于模型的故障檢測和隔離210
102無模型故障檢測和隔離211
1021FDS：傳感器級情況213
1022FDS：傳感器-傳感器關系的變化217
1023FDS：多傳感器案例221
103杏仁體和VM-PFC：多傳感器級FDS225
參考文獻226
書單推薦
