Black Week: 12% Rabatt auf ausgewählte Technik*  Jetzt kaufen
Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
Elektronik
Deals
Medien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air GenerationiPhone Duo Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
NothingAlle anzeigen
Phone (1)
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 GenerationOnePlus 5 GenerationOnePlus 6 GenerationWeitere Modelle
SamsungAlle anzeigen
Weitere Modelle
SonyAlle anzeigen
Weitere ModelleXperia LXperia MXperia X
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
GoogleKobo
AppleAlle anzeigen
Zubehör
HuaweiAlle anzeigen
MatePad Pro Serie
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
Kamera Bundles
ObjektiveAlle anzeigen
SamyangZEISS
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
SmartwatchesAlle anzeigen
LGMotorolaSonyXiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Game Boy ClassicNintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
Zubehör
Smart SpeakerAlle anzeigen
Google
SoundbarsAlle anzeigen
iPodAlle anzeigen
Zubehör

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Long-Term Structural Health Monitoring by Remote Sensing and Advanced Machine Learning

Alireza Entezami, Bahareh Behkamal, Carlo De Michele (Broschiert, Englisch)

Optischer Zustand
Beschreibung
This book offers an in-depth investigation into the complexities of long-term structural health monitoring (SHM) in civil structures, specifically focusing on the challenges posed by small data and environmental and operational changes (EOCs). Traditional contact-based sensor networks in SHM produce large amounts of data, complicating big data management. In contrast, synthetic aperture radar…  (SAR)-aided SHM often faces challenges with small datasets and limited displacement data. Additionally, EOCs can mimic the structural damage, resulting in false errors that can critically affect economic and safety issues. Addressing these challenges, this book introduces seven advanced unsupervised learning methods for SHM, combining AI, data sampling, and statistical analysis. These include techniques for managing datasets and addressing EOCs. Methods range from nearest neighbor searching and Hamiltonian Monte Carlo sampling to innovative offline and online learning frameworks, focusing on data augmentation and normalization. Key approaches involve deep autoencoders for data processing and novel algorithms for damage detection. Validated using simulated data from the I-40 Bridge, USA, and real-world data from the Tadcaster Bridge, UK, these methods show promise in addressing SAR-aided SHM challenges, offering practical tools for real-world applications. The book, thereby, presents a comprehensive suite of innovative strategies to advance the field of SHM.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 28,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Details


Erscheinungsdatum
22.02.2024
Sprache
Englisch
EAN
9783031539947
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
SpringerBriefs in Applied Sciences and Technology
Sonderedition
Nein
Autor
Alireza Entezami, Bahareh Behkamal, Carlo De Michele
Seitenanzahl
110
Einbandart
Broschiert
Buch Untertitel
A Practical Strategy via Structural Displacements from Synthetic Aperture Radar Images
Schlagwörter
Structural Health Monitoring, SHM, environmental and operational changes, civil structures, Hamiltonian Monte Carlo, hybrid unsupervised learning methods
Thema-Inhalt
TGM - Materialwissenschaft UYQM - Maschinelles Lernen TNK - Hochbau und Baustoffe UN - Datenbanken
Höhe
235 mm
Breite
15.5 cm

Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.

Transparenz & Sicherheit

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!