Finally, the developed approaches are applied to monitor many processes, such as waste-water treatment plants, detection of obstacles in driving environments for autonomous robots and vehicles, robot swarm, chemical processes (continuous stirred tank reactor, plug flow rector, and distillation columns), ozone pollution, road traffic congestion, and solar photovoltaic systems.
- Uses a data-driven based approach to fault detection and attribution
- Provides an in-depth understanding of fault detection and attribution in complex and multivariate systems
- Familiarises you with the most suitable data-driven based techniques including multivariate statistical techniques and deep learning-based methods
- Includes case studies and comparison of different methods
Dr. Fouzi Harrou received the Ph.D. degree in systems optimization and security from the University of Technology of Troyes (UTT), France. He was an Assistant Professor at UTT for one year and was an Assistant Professor at the Institute of Automotive and Transport Engineering, Nevers, France, for one-year. He was also a Post-Doctoral Research Associate at the Systems Modelling and Dependability Laboratory, UTT, for one year. He was a Research Scientist with the Chemical Engineering Department, Texas A&M University at Qatar, Doha, Qatar, for three years. Since 2015, he has been Post-Doctoral Fellow with the Division of Computer, Electrical, and Mathematical Sciences and Engineering, King Abdullah University of Science and Technology. Dr. Fouzi Harrou is the author of more than 100 refereed journal and conference publications and book chapters. His current research interests include statistical decision theory and its applications, fault detection and diagnosis, and signal processing
Statistical Process Monitoring Using Advanced Data-Driven and Deep Learning Approaches tackles multivariate challenges in process monitoring by merging the advantages of univariate and traditional multivariate techniques to enhance their performance and widen their practical applicability. The book proceeds with merging the desirable properties of shallow learning approaches - such as a one-class support vector machine and k-nearest neighbours and unsupervised deep learning approaches - to develop more sophisticated and efficient monitoring techniques. Finally, the developed approaches are applied to monitor many processes, such as waste-water treatment plants, detection of obstacles in driving environments for autonomous robots and vehicles, robot swarm, chemical processes (continuous stirred tank reactor, plug flow rector, and distillation columns), ozone pollution, road traffic congestion, and solar photovoltaic systems. Uses a data-driven based approach to fault detection and attribution Provides an in-depth understanding of fault detection and attribution in complex and multivariate systems Familiarises you with the most suitable data-driven based techniques including multivariate statistical techniques and deep learning-based methods Includes case studies and comparison of different methods
Erscheint lt. Verlag | 15.7.2020 |
---|---|
Sprache | englisch |
Themenwelt | Naturwissenschaften ► Chemie ► Technische Chemie |
Technik ► Umwelttechnik / Biotechnologie | |
ISBN-10 | 0-12-819366-2 / 0128193662 |
ISBN-13 | 978-0-12-819366-2 / 9780128193662 |
Haben Sie eine Frage zum Produkt? |
![PDF](/img/icon_pdf_big.jpg)
Größe: 16,1 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
![EPUB](/img/icon_epub_big.jpg)
Größe: 36,4 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich