Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
  •  Retrait gratuit dans votre magasin Club
  •  7.000.000 titres dans notre catalogue
  •  Payer en toute sécurité
  •  Toujours un magasin près de chez vous     
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
  •  Retrait gratuit dans votre magasin Club
  •  7.000.0000 titres dans notre catalogue
  •  Payer en toute sécurité
  •  Toujours un magasin près de chez vous
  1. Accueil
  2. Livres
  3. Savoirs
  4. Informatique
  5. Sciences informatiques
  6. Intelligence artificielle
  7. Long-Term Structural Health Monitoring by Remote Sensing and Advanced Machine Learning

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

A Practical Strategy Via Structural Displacements from Synthetic Aperture Radar Images

Alireza Entezami, Bahareh Behkamal, Carlo De Michele
47,45 €
+ 94 points
Livraison sous 1 à 4 semaines
Passer une commande en un clic
Payer en toute sécurité
Livraison en Belgique: 3,99 €
Livraison en magasin gratuite

Description

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.

Spécifications

Parties prenantes

Auteur(s) :
Editeur:

Contenu

Nombre de pages :
110
Langue:
Anglais
Collection :

Caractéristiques

EAN:
9783031539947
Date de parution :
22-02-24
Format:
Livre broché
Format numérique:
Trade paperback (VS)
Dimensions :
144 mm x 228 mm
Poids :
226 g

Les avis