Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Step Towards Testing of Foot Prostheses Using Real-Time Substructuring (RTS) Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

12. Investigating Engineering Data by Probabilistic Measures

verfasst von : L. A. Bull, K. Worden, T. J. Rogers, E. J. Cross, N. Dervilis

Erschienen in: Special Topics in Structural Dynamics & Experimental Techniques, Volume 5

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A critical issue for data-based engineering is a lack of descriptive labels for the measured data. For many engineering systems, these labels are costly/impractical to obtain, and as a result, conventional supervised learning is not feasible. This article outlines a probabilistic framework for the investigation and labelling of engineering datasets. Two alternative probabilistic measures are suggested to define the most informative observations to investigate and annotate, in order to maximise the classification performance of a statistical model.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Full-Field Mode Shape Analysis, Alignment and Averaging Across Measurements
Nächstes Kapitel Multi-Input Multi-Output Swept Sine Control: A Steepest Descent Solution for a Challenging Problem
Literatur
1.
Farrar, C.R., Worden, K.: Structural Health Monitoring: A Machine Learning Perspective. Wiley, New York (2012)CrossRef
2.
Chapelle, O., Scholkopf, B., Zien, A.: Semi-Supervised Learning. MIT Press,Cambridge (2006)CrossRef
3.
Schwenker, F., Trentin, E.: Pattern classification and clustering: a review of partially supervised learning approaches. Pattern Recogn. Lett. 37(1), 4–14 (2014)CrossRef
4.
Bull, L., Worden, K., Manson, G., Dervilis, N.: Active learning for semi-supervised structural health monitoring. J. Sound Vib. 437, 373–388 (2018)CrossRef
5.
Wang, M., Min, F., Zhang, Z.H., Wu, Y.X.: Active learning through density clustering. Expert Syst. Appl. 85, 305–317 (2017)CrossRef
6.
Zhu, X., Zhang, P., Lin, X., Shi, Y.: Active learning from data streams. Seventh IEEE International Conference on Data Mining (ICDM 2007), pp. 757–762 (2007)
7.
Murphy, K.P.: Conjugate bayesian analysis of the Gaussian distribution. Def 1(7), 1–29 (2007)
8.
Dasgupta, S., Hsu, D.: Hierarchical sampling for active learning. In: Proceedings of the 25th International Conference on Machine Learning, pp. 208–215. ACM, New York (2008)
9.
Huang, S.J., Jin, R., Zhou, Z.H.: Active learning by querying informative and representative examples. In: Advances in Neural Information Processing Systems, pp. 892–900 (2010)
Metadaten
Titel
Investigating Engineering Data by Probabilistic Measures
verfasst von
L. A. Bull
K. Worden
T. J. Rogers
E. J. Cross
N. Dervilis
Copyright-Jahr
2020
Buch
Special Topics in Structural Dynamics & Experimental Techniques, Volume 5

Print ISBN: 978-3-030-12242-3

Electronic ISBN: 978-3-030-12243-0

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-12243-0_12

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise