Condition Monitoring Using Computational Intelligence Methods : (Registro nro. 287110)
[ vista simple ]
| 000 -CABECERA | |
|---|---|
| campo de control de longitud fija | 04577nam a22003615i 4500 |
| 001 - NÚMERO DE CONTROL | |
| campo de control | 287110 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL | |
| campo de control | MX-SnUAN |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN | |
| campo de control | 20160429154530.0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL | |
| campo de control de longitud fija | cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL | |
| campo de control de longitud fija | 150903s2012 xxk| o |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO | |
| Número Internacional Estándar del Libro | 9781447123804 |
| -- | 9781447123804 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES | |
| Número estándar o código | 10.1007/9781447123804 |
| Fuente del número o código | doi |
| 035 ## - NÚMERO DE CONTROL DEL SISTEMA | |
| Número de control de sistema | vtls000339574 |
| 039 #9 - NIVEL DE CONTROL BIBLIOGRÁFICO Y DETALLES DE CODIFICACIÓN [OBSOLETO] | |
| Nivel de reglas en descripción bibliográfica | 201509030317 |
| Nivel de esfuerzo utilizado para asignar no-encabezamientos de materia en puntos de acceso | VLOAD |
| Nivel de esfuerzo utilizado en la asignación de encabezamientos de materia | 201404300402 |
| Nivel de esfuerzo utilizado para asignar clasificación | VLOAD |
| -- | 201402060938 |
| -- | staff |
| 040 ## - FUENTE DE LA CATALOGACIÓN | |
| Centro catalogador/agencia de origen | MX-SnUAN |
| Lengua de catalogación | spa |
| Centro/agencia transcriptor | MX-SnUAN |
| Normas de descripción | rda |
| 050 #4 - CLASIFICACIÓN DE LA BIBLIOTECA DEL CONGRESO | |
| Número de clasificación | TA213-215 |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA | |
| Nombre de persona | Marwala, Tshilidzi. |
| Término indicativo de función/relación | autor |
| 9 (RLIN) | 305386 |
| 245 10 - MENCIÓN DE TÍTULO | |
| Título | Condition Monitoring Using Computational Intelligence Methods : |
| Resto del título | Applications in Mechanical and Electrical Systems / |
| Mención de responsabilidad, etc. | by Tshilidzi Marwala. |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT | |
| Producción, publicación, distribución, fabricación y copyright | London : |
| Nombre del de productor, editor, distribuidor, fabricante | Springer London, |
| Fecha de producción, publicación, distribución, fabricación o copyright | 2012. |
| 300 ## - DESCRIPCIÓN FÍSICA | |
| Extensión | xv, 235 páginas 28 ilustraciones, 11 ilustraciones en color. |
| Otras características físicas | recurso en línea. |
| 336 ## - TIPO DE CONTENIDO | |
| Término de tipo de contenido | texto |
| Código de tipo de contenido | txt |
| Fuente | rdacontent |
| 337 ## - TIPO DE MEDIO | |
| Nombre/término del tipo de medio | computadora |
| Código del tipo de medio | c |
| Fuente | rdamedia |
| 338 ## - TIPO DE SOPORTE | |
| Nombre/término del tipo de soporte | recurso en línea |
| Código del tipo de soporte | cr |
| Fuente | rdacarrier |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL | |
| Tipo de archivo | archivo de texto |
| Formato de codificación | |
| Fuente | rda |
| 500 ## - NOTA GENERAL | |
| Nota general | Springer eBooks |
| 505 0# - NOTA DE CONTENIDO CON FORMATO | |
| Nota de contenido con formato | Introduction to Condition Monitoring -- Data Gathering Methods -- Preprocessing and Feature Selection -- Condition Monitoring Using Neural Networks -- Condition Monitoring Using Support Vector Machines -- Condition Monitoring Using Neuro-fuzzy Methods -- Condition Monitoring Using Neuro-rough Methods -- Condition Monitoring Using Hidden Markov Models and Gaussian Mixture Models -- Condition Monitoring Using Hybrid Techniques -- Condition Monitoring Using Incremental Learning with Genetic Algorithms -- Conclusion. |
| 520 ## - SUMARIO, ETC. | |
| Sumario, etc. | Condition monitoring uses the observed operating characteristics of a machine or structure to diagnose trends in the signal being monitored and to predict the need for maintenance before a breakdown occurs. This reduces the risk, inherent in a fixed maintenance schedule, of performing maintenance needlessly early or of having a machine fail before maintenance is due either of which can be expensive with the latter also posing a risk of serious accident especially in systems like aeroengines in which a catastrophic failure would put lives at risk. The technique also measures responses from the whole of the system under observation so it can detect the effects of faults which might be hidden deep within a system, hidden from traditional methods of inspection. Condition Monitoring Using Computational Intelligence Methods promotes the various approaches gathered under the umbrella of computational intelligence to show how condition monitoring can be used to avoid equipment failures and lengthen its useful life, minimize downtime and reduce maintenance costs. The text introduces various signal-processing and pre-processing techniques, wavelets and principal component analysis, for example, together with their uses in condition monitoring and details the development of effective feature extraction techniques classified into frequency-, time-frequency- and time-domain analysis. Data generated by these techniques can then be used for condition classification employing tools such as: · fuzzy systems; · rough and neuro-rough sets; · neural and Bayesian networks; · hidden Markov and Gaussian mixture models; and · support vector machines. On-line learning methods such as Learn++ and ILUGA (incremental learning using genetic algorithms) are used to enable the classifiers to take on additional information and adjust to new condition classes by evolution rather than by complete retraining. Both the chosen methods have good incremental learning abilities with ILUGA, in particular, not suffering from catastrophic forgetting. Researchers studying computational intelligence and its applications will find Condition Monitoring Using Computational Intelligence Methods to be an excellent source of examples. Graduate students studying condition monitoring and diagnosis will find this alternative approach to the problem of interest and practitioners involved in fault diagnosis will be able to use these methods for the benefit of their machines and of their companies. |
| 590 ## - NOTA LOCAL (RLIN) | |
| Nota local | Para consulta fuera de la UANL se requiere clave de acceso remoto. |
| 710 2# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE ENTIDAD CORPORATIVA | |
| Nombre de entidad corporativa o nombre de jurisdicción como elemento de entrada | SpringerLink (Servicio en línea) |
| 9 (RLIN) | 299170 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL | |
| Información de relación/Frase instructiva de referencia | Edición impresa: |
| Número Internacional Estándar del Libro | 9781447123798 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS | |
| Identificador Uniforme del Recurso | <a href="http://remoto.dgb.uanl.mx/login?url=http://dx.doi.org/10.1007/978-1-4471-2380-4">http://remoto.dgb.uanl.mx/login?url=http://dx.doi.org/10.1007/978-1-4471-2380-4</a> |
| Nota pública | Conectar a Springer E-Books (Para consulta externa se requiere previa autentificación en Biblioteca Digital UANL) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) | |
| Tipo de ítem Koha | Recurso en línea |
No hay ítems disponibles.