KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thalia.at, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
  • Produktbild: Spatio-Temporal Modeling of Nonlinear Distributed Parameter Systems
  • Produktbild: Spatio-Temporal Modeling of Nonlinear Distributed Parameter Systems
Band 50

Spatio-Temporal Modeling of Nonlinear Distributed Parameter Systems A Time/Space Separation Based Approach

Aus der Reihe Intelligent Systems, Control and Automation: Science and Engineering

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.10.2014

Abbildungen

XVIII, 175 p.

Verlag

Springer Netherland

Seitenzahl

175

Maße (L/B/H)

23,5/15,5/1,1 cm

Gewicht

306 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-94-017-8254-8

Beschreibung

Rezension

From the reviews:

“A distributed parameter system (DPS) is usually an engineering equivalent of a partial differential equation (PDE) or a system of PDEs. … this book is the extension of this idea to the nonlinear setting. … The book addresses an engineering audience, and people not very familiar with the subject will find the list of abbreviations especially useful. The chapters are inter-connected and each chapter looks like an independent entity; it starts and ends with a summary and has its own list of references … .” (Sergey V. Lototsky, Mathematical Reviews, Issue 2012 a)

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.10.2014

Abbildungen

XVIII, 175 p.

Verlag

Springer Netherland

Seitenzahl

175

Maße (L/B/H)

23,5/15,5/1,1 cm

Gewicht

306 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-94-017-8254-8

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Spatio-Temporal Modeling of Nonlinear Distributed Parameter Systems
  • Produktbild: Spatio-Temporal Modeling of Nonlinear Distributed Parameter Systems

  • Preface;

    List of Figures;

    List of Tables;

    Abbreviations; 1 Introduction; 1.1 Background; 1.1.1 Examples of distributed parameter processes; 1.1.2 Motivation; 1.2 Contributions and organization of the book; 1.3 References; 2 Modeling of Distributed Parameter Systems: Overview and Classification; 2.1 Introduction; 2.2 White-box modeling: model reduction for known DPS; 2.2.1 Eigenfunction method; 2.2.2 Green’s function method; 2.2.3 Finite difference method; 2.2.4 Weighted residual method; 2.2.4.1 Classification based on weighting functions; 2.2.4.2 Classification based on basis functions; 2.2.5 Comparison studies of spectral and KL method; 2.3 Grey-box modeling: parameter estimation for partly known DPS; 2.3.1 FDM basedestimation; 2.3.2 FEM based estimation; 2.3.3 Spectral based estimation; 2.3.4 KL based estimation; 2.4 Black-box modeling: system identification for unknown DPS; 2.4.1 Green’s function based identification; 2.4.2 FDM based identification; 2.4.3 FEM based identification; 2.4.4 Spectral based identification; 2.4.5 KL based identification; 2.4.6 Comparison studies of neural spectral and neural KL method; 2.5 Concluding remarks; 2.6 References; 3 Spatio-Temporal Modeling for Wiener Distributed Parameter Systems; 3.1 Introduction; 3.2 Wiener distributed parameter system; 3.3 Spatio-temporal Wiener modeling methodology; 3.4 Karhunen-Loève decomposition; 3.5 Wiener model identification; 3.5.1 Modelparameterization; 3.5.2 Parameter estimation; 3.6 Simulation and experiment; 3.6.1 Catalytic rod; 3.6.2 Snap curing oven; 3.7 Summary; 3.8 References; 4 Spatio-Temporal Modeling for Hammerstein Distributed Parameter Systems; 4.1 Introduction; 4.2 Hammerstein distributed parameter system; 4.3 Spatio-temporal Hammerstein modeling methodology; 4.4 Karhunen-Loève decomposition; 4.5 Hammerstein model identification; 4.5.1 Model parameterization; 4.5.2 Structure selection; 4.5.3 Parameter estimation; 4.6 Simulation and experiment; 4.6.1 Catalytic rod; 4.6.2 Snap curing oven; 4.7 Summary; 4.8 References; 5 Multi-Channel Spatio-Temporal Modeling for Hammerstein Distributed Parameter Systems; 5.1 Introduction; 5.2 Hammerstein distributedparameter system; 5.3 Basic identification approach; 5.3.1 Basis function expansion; 5.3.2 Temporal modeling problem; 5.3.3 Least-squares estimation; 5.3.4 Singular value decomposition; 5.4 Multi-channel identification approach; 5.4.1 Motivation; 5.4.2 Multi-channel identification; 5.4.3 Convergence analysis; 5.5 Simulation and experiment; 5.5.1 Packed-bed reactor; 5.5.2 Snap curing oven; 5.6 Summary; 5.7 References; 6 Spatio-Temporal Volterra Modeling for a Class of Nonlinear DPS; 6.1 Introduction; 6.2 Spatio-temporal Volterra model; 6.3 Spatio-temporal modeling approach; 6.3.1 Time/space separation; 6.3.2 Temporal modeling problem; 6.3.3 Parameter estimation; 6.4 State space realization; 6.5 Convergence analysis; 6.6 Simulation and experiment; 6.6.1 Catalytic rod; 6.6.2 Snap curing oven; 6.7 Summary; 6.8 References; 7 Nonlinear Dimension Reduction based Neural Modeling for Nonlinear Complex DPS; 7.1 Introduction; 7.2 Nonlinear PCA based spatio-temporal modeling framework; 7.2.1 Modeling methodology; 7.2.2 Principal component analysis; 7.2.3 Nonlinear PCA for projection and reconstruction; 7.2.4 Dynamic modeling; 7.3 Nonlinear PCA based spatio-temporal modeling in neural system; 7.3.1 Neural network for nonlinear PCA; 7.3.2 Neural network for dynamic modeling; 7.4 Simulation and experiment; 7.4.1 Catalytic rod; 7.4.2 Snap curing oven; 7.5 Summary; 7.6 References; 8 Conclusions; 8.1 Conclusions; 8.2 References; Index.