Отрывок:
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorBhargava C.ru
dc.coverage.spatialneural networksru
dc.coverage.spatialhealth prognosticsru
dc.coverage.spatialfuzzy systemsru
dc.coverage.spatialfault toleranceru
dc.coverage.spatialevolutionary computingru
dc.coverage.spatialглубокое обучениеru
dc.coverage.spatialанализ надежностиru
dc.coverage.spatialбайесовские сетиru
dc.coverage.spatialreliability analysisru
dc.coverage.spatialQuality controlru
dc.coverage.spatialэволюционные вычисленияru
dc.coverage.spatialсбор данныхru
dc.coverage.spatialпрогнозирование состояния здоровьяru
dc.coverage.spatialотказоустойчивостьru
dc.coverage.spatialнечеткие системыru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialконтроль качестваru
dc.coverage.spatialdata collectionru
dc.coverage.spatialdeep learningru
dc.coverage.spatialbayesian networksru
dc.creatorBhargava C.ru
dc.date.accessioned2023-12-08 11:26:59-
dc.date.available2023-12-08 11:26:59-
dc.date.issued2020ru
dc.identifierRU\НТБ СГАУ\537747ru
dc.identifier.citationBhargava, C. AI Techniques for Reliability Prediction for Electronic Components / Cherry Bhargava. - Hershey PA : IGI Global, 2020. - 1 file (15,9 Mb) (330 p.). - ISBN = 9781799814641. - Текст : электронныйru
dc.identifier.isbn9781799814641ru
dc.identifier.urihttp://repo.ssau.ru/handle/eBooks/AI-Techniques-for-Reliability-Prediction-for-Electronic-Components-107176-
dc.description.abstractIn the industry of manufacturing and design, one major constraint has been enhancing operating performance using less time. As technology continues to advance, manufacturers are looking for better methods in predicting the condition and residual lifetime of electronic devices in order to save repair costs and their reputation. Intelligent systems are a solution for predicting the reliability of these components; however, there is a lack of research on the advancements of this smart technology within the manufacturing industry.AI Techniques for Reliability Prediction for Electronic Components provides emerging research exploring the theoretical and practical aspects of prediction methods using artificial intelligence and machine learning in the manufacturing field. Featuring coverage on a broad range of topics such as data collection, fault tolerance, and health prognostics, this book is ideally designed for reliability engineers, electronic engineers, researchers, scientists, students, and faculty members seru
dc.description.abstractВ индустрии производства и проектирования одним из основных ограничений было повышение эксплуатационных характеристик с использованием меньшего времени. Поскольку технологии продолжают развиваться, производители ищут более совершенные методы прогнозирования состояния и остаточного срока службы электронных устройств, чтобы сэкономить затраты на ремонт и свою репутацию. Интеллектуальные системы являются решением для прогнозирования надежности этих компонентов; однако исследований о достижениях этой интеллектуальной технологии в обрабатывающей промышленности не хватает.Методы искусственного интеллекта для прогнозирования надежности электронных компонентов предоставляет новые исследования, изучающие теоретические и практические аспекты методов прогнозирования с использованием искусственного интеллекта и машинного обучения в производственной сфере. Эта книга, посвященная широкому кругу тем, таких как сбор данных, отказоустойчивость и прогнозирование работоспособности, идеально предназначена для инженеров по надежru
dc.description.abstractИспользуемые программы Adobe Acrobatru
dc.language.isoengru
dc.publisherIGI Globalru
dc.titleAI Techniques for Reliability Prediction for Electronic Componentsru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
Располагается в коллекциях: eBooks

Файлы этого ресурса:
Файл Размер Формат  
2290015.pdf16.32 MBAdobe PDFПросмотреть/Открыть  



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.