Combining Interval, Probabilistic, and Other Types of Uncertainty in Engineering Applications / Pownuk, Andrew  

Público ISBD Ningún comentario para este registro. Título : Combining Interval, Probabilistic, and Other Types of Uncertainty in Engineering Applications Tipo de documento: documento electrónico Autores: Pownuk, Andrew, Autor ; Kreinovich, Vladik, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XI, 202 p. 2 ilustraciones, 1 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-91026-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Matemáticas de ingeniería Índice Dewey: 006.3 Inteligencia artificial Resumen: ¿Cómo podemos resolver problemas de ingeniería teniendo en cuenta datos caracterizados por diferentes tipos de incertidumbre de medición y estimación: de intervalo, probabilística, difusa, etc.? Este libro proporciona una base teórica para llegar a tales soluciones, así como estudios de casos que demuestran cómo estas ideas teóricas pueden traducirse en aplicaciones prácticas en geociencias, ingeniería de pavimentos, etc. En todos estos desarrollos, los objetivos de los autores fueron proporcionar información precisa. estimaciones de la incertidumbre resultante; ofrecer soluciones que requieran tiempos de cálculo razonablemente cortos; ofrecer contenido accesible para ingenieros; y ser lo suficientemente general, para que los lectores puedan utilizar el libro para muchos problemas diferentes. Los autores también describen cómo tomar decisiones bajo diferentes tipos de incertidumbre. El libro ofrece un recurso valioso para todos los ingenieros prácticos interesados ​​en mejores formas de medir la incertidumbre, para los estudiantes deseosos de aprender y aplicar las nuevas técnicas y para los investigadores interesados ​​en procesar la incertidumbre heterogénea. . Nota de contenido: Introduction -- How to Get More Accurate Estimates -- How to Speed Up Computations -- Towards a Better Understandability of Uncertainty-Estimating Algorithms -- How General Can We Go: What Is Computable and What Is Not -- Decision Making Under Uncertainty -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Combining Interval, Probabilistic, and Other Types of Uncertainty in Engineering Applications [documento electrónico] / Pownuk, Andrew, Autor ; Kreinovich, Vladik, Autor  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XI, 202 p. 2 ilustraciones, 1 ilustraciones en color. ISBN : 978-3-319-91026-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Matemáticas de ingeniería Índice Dewey: 006.3 Inteligencia artificial Resumen: ¿Cómo podemos resolver problemas de ingeniería teniendo en cuenta datos caracterizados por diferentes tipos de incertidumbre de medición y estimación: de intervalo, probabilística, difusa, etc.? Este libro proporciona una base teórica para llegar a tales soluciones, así como estudios de casos que demuestran cómo estas ideas teóricas pueden traducirse en aplicaciones prácticas en geociencias, ingeniería de pavimentos, etc. En todos estos desarrollos, los objetivos de los autores fueron proporcionar información precisa. estimaciones de la incertidumbre resultante; ofrecer soluciones que requieran tiempos de cálculo razonablemente cortos; ofrecer contenido accesible para ingenieros; y ser lo suficientemente general, para que los lectores puedan utilizar el libro para muchos problemas diferentes. Los autores también describen cómo tomar decisiones bajo diferentes tipos de incertidumbre. El libro ofrece un recurso valioso para todos los ingenieros prácticos interesados ​​en mejores formas de medir la incertidumbre, para los estudiantes deseosos de aprender y aplicar las nuevas técnicas y para los investigadores interesados ​​en procesar la incertidumbre heterogénea. . Nota de contenido: Introduction -- How to Get More Accurate Estimates -- How to Speed Up Computations -- Towards a Better Understandability of Uncertainty-Estimating Algorithms -- How General Can We Go: What Is Computable and What Is Not -- Decision Making Under Uncertainty -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Por página: 25 50 100 200