Full metadata record
DC FieldValueLanguage
dc.contributor.authorBhargava C.
dc.coverage.spatialneural networks
dc.coverage.spatialhealth prognostics
dc.coverage.spatialfuzzy systems
dc.coverage.spatialfault tolerance
dc.coverage.spatialevolutionary computing
dc.coverage.spatialглубокое обучение
dc.coverage.spatialанализ надежности
dc.coverage.spatialбайесовские сети
dc.coverage.spatialreliability analysis
dc.coverage.spatialQuality control
dc.coverage.spatialэволюционные вычисления
dc.coverage.spatialсбор данных
dc.coverage.spatialпрогнозирование состояния здоровья
dc.coverage.spatialотказоустойчивость
dc.coverage.spatialнечеткие системы
dc.coverage.spatialнейронные сети
dc.coverage.spatialконтроль качества
dc.coverage.spatialdata collection
dc.coverage.spatialdeep learning
dc.coverage.spatialbayesian networks
dc.creatorBhargava C.
dc.date2020
dc.date.accessioned2025-11-28T08:10:13Z-
dc.date.available2025-11-28T08:10:13Z-
dc.date.issued2020
dc.identifier.identifierRU\НТБ СГАУ\537747
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 : электронный
dc.identifier.isbn9781799814641
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/58889-
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 se
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 надеж
dc.description.abstractИспользуемые программы Adobe Acrobat
dc.languageeng
dc.publisherIGI Global
dc.subjectbayesian networks
dc.subjectdata collection
dc.subjectdeep learning
dc.subjectevolutionary computing
dc.subjectfault tolerance
dc.subjectfuzzy systems
dc.subjecthealth prognostics
dc.subjectneural networks
dc.subjectQuality control
dc.subjectreliability analysis
dc.subjectанализ надежности
dc.subjectбайесовские сети
dc.subjectглубокое обучение
dc.subjectконтроль качества
dc.subjectнейронные сети
dc.subjectнечеткие системы
dc.subjectотказоустойчивость
dc.subjectпрогнозирование состояния здоровья
dc.subjectсбор данных
dc.subjectэволюционные вычисления
dc.subject.rugasnti50.01
dc.subject.udc004.032.26
dc.titleAI Techniques for Reliability Prediction for Electronic Components
dc.typeText
local.identifier.oldurihttp://repo.ssau.ru/handle/eBooks/AI-Techniques-for-Reliability-Prediction-for-Electronic-Components-107176
local.identifier.oldurihttp://repo.ssau.ru/handle/eBooks/AI-Techniques-for-Reliability-Prediction-for-Electronic-Components-107176
Appears in Collections:eBooks

Files in This Item:
File SizeFormat 
2290015.pdf16.32 MBAdobe PDFView/Open    Request a copy


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.