Vor Ort
Merkzettel Warenkorb
Produktbild: Structural Health Monitoring Based on Data Science Techniques
Band 21 - 10%

Structural Health Monitoring Based on Data Science Techniques

Aus der Reihe Structural Integrity
10% sparen

152,99 € UVP 171,19 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

24.10.2021

Herausgeber

Alexandre Cury + weitere

Verlag

Springer

Seitenzahl

484

Maße (L/B/H)

24,1/16/3,3 cm

Gewicht

910 g

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-3-030-81715-2

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

24.10.2021

Herausgeber

Verlag

Springer

Seitenzahl

484

Maße (L/B/H)

24,1/16/3,3 cm

Gewicht

910 g

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-3-030-81715-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Structural Health Monitoring Based on Data Science Techniques

  • Chapter 1. Vibration-based structural damage detection using sparse Bayesian learning techniques (Rongrong Hou).- Chapter 2. Bayesian deep learning for vibration-based bridge damage detection (Davíð Steinar Ásgrímsson).- Chapter 3. Diagnosis, Prognosis, and Maintenance Decision Making for Civil Infrastructure: Bayesian Data Analytics and Machine Learning (Manuel A. Vega).- Chapter 4. Real-Time Machine Learning for High-Rate Structural Health Monitoring (Simon Laflamme).- Chapter 5. Development and validation of a data-based SHM method for railway bridges (Ana Claudia Neves).- Chapter 6. Real-time unsupervised detection of early damage in railway bridges using traffic-induced responses (Andreia Meixedo).- Chapter 7. Fault diagnosis in structural health monitoring systems using signal processing and machine learning techniques (Henrieke Fritz). Chapter 8. A self-adaptive hybrid model/data-driven approach to SHM based on Model Order Reduction and Deep Learning (Luca Rosafalco).- Chapter 9. Predictive monitoring of large-scale engineering assets using machine learning techniques and reduced order modeling (Caterina Bigoni).- Chapter 10. Unsupervised data-driven methods for damage identification in discontinuous media (Rebecca Napolitano).- Chapter 11. Applications of Deep Learning in intelligent construction (Yang Zhang).- Chapter 12. Integrated SHM systems: Damage detection through unsupervised learning and data fusion (Enrique García-Macías).- Chapter 13. Environmental influence on modal parameters: linear and non-linear methods for its compensation in the context of Structural Health Monitoring (Carlo Rainieri).- Chapter 14. Vibration based damage feature for long-term structural health monitoring under realistic environmental and operational variability (Francescantonio Lucà).- Chapter 15. On explicit and implicit procedures to mitigate environmental and operational variabilities in data-driven structural health monitoring (David García Cava). Chapter 16. Explainable artificial intelligence to advanced structural health monitoring (Daniel Luckey).- Chapter 17. Physics-informed machine learning for Structural Health Monitoring (Elizabeth J. Cross).- Chapter 18. Interpretable Machine Learning for Function Approximation in Structural Health Monitoring (Jin-Song Pei).- Chapter 19. Partially-Supervised Learning for Data-Driven Structural Health Monitoring (Lawrence A. Bull).- Chapter 20. Population-Based Structural Health Monitoring (Paul Gardner).- Chapter 21. Machine Learning-Based Structural Damage Identification within Three-Dimensional Point Clouds (Mohammad Ebrahim Mohammadi).- Chapter 22. New sensor nodes, cloud and data analytics: case studies on large scale SHM systems (Isabella Alovisi)