本书从方法论的角度提出了在嵌入式系统平台上实现智能的方法，针对在现实世界中具有不确定性、非稳态和演进的环境中的嵌入式系统所面临的基本问题，引入适应策略、主动和被动学习能力、鲁棒性能力、嵌入式和分布式认知故障诊断系统的设计，以及用于评估嵌入式应用中的性能和约束满意度的技术。本书的重点是将给定问题形式化，提出解决问题*相关的策略，以及关于理论、方法、途径“背后问题”的讨论，以便研究人员、从业者和学生学习、理解和完善智能背后的基本机制，以及如何将它们用于设计下一代嵌入式系统和嵌入式应用程序。
译者序
原书前言
缩略语
物理量与符号
第1章绪论1
11本书是如何组织的3
111从计量到数值数据3
112不确定性、信息和学习机制4
113随机算法5
114鲁棒性分析5
115嵌入式系统的情感认知机制6
116性能评估和可能近似正确的计算6
117嵌入式系统中的智能机制7
118非稳态和演进环境中的学习7
119故障诊断系统8
第2章从计量到数值数据9
21测量和测量值9
211测量链9
212测量过程建模12
213准确度13
214精度14
215分辨率15
22数据表示的确定性与随机性16
221确定性表示：无噪声影响的数据16
222随机性表示：有噪声影响的数据17
223信噪比18
第3章不确定性、信息和学习机制19
31不确定性和扰动19
311从误差到扰动19
312扰动19
32在数据表示层的扰动20
321自然数N：自然二进制20
322整数Z：二进制补码22
323二进制补码记数法22
324有理数Q和实数R23
33传播的不确定性24
331线性函数25
332非线性函数28
34从模型级的数据和不确定性中学习29
341学习基础：固有风险、近似风险和估计风险30
342偏移方差权衡34
343非线性回归35
344线性回归37
345线性时不变预测模型38
346应用级别的不确定性40
第4章随机算法41
41计算复杂性42
411算法分析43
412P问题、NP完全问题、NP困难问题45
42蒙特卡洛方法46
421蒙特卡洛背后的思想47
422弱、强大数定律49
423一些收敛结果50
424维数灾难和蒙特卡洛53
43样本数量的界53
431伯努利界54
432切尔诺夫界55
433估计函数最大值样本的界59
44随机算法介绍60
441算法验证问题61
442最大值估计问题64
443期望估计问题67
444最小（最大）期望问题70
45控制采样空间的统计量73
第5章鲁棒性分析76
51问题形式化76
511鲁棒性76
512计算流水平的鲁棒性78
52小扰动鲁棒性78
521评估小扰动在函数输出中的影响79
522经验风险水平的扰动79
523结构风险水平的扰动83
524鲁棒性理论要点89
53大扰动的鲁棒性91
531问题定义：以u(δθ)为例92
532随机算法和鲁棒性：以u(δθ)为例93
533最大期望问题96
第6章嵌入式系统的情感认知机制100
61情感认知结构100
62自动和受控处理101
621自动处理101
622受控处理102
63神经情感系统的基本功能103
631杏仁体103
632长期记忆104
633基底神经节104
634外侧前额叶和联合皮层105
635前扣带皮层105
636眶/腹侧-内侧前额叶皮层106
637海马体106
64情感和决策107
第7章性能评估和可能近似正确的计算108
71准确估计：品质因数108
711平方误差109
712柯尔贝克-莱布勒110
713Lp范数和其他品质因数110
72可能近似正确的计算111
73性能验证问题114
731性能满意度问题114
732品质因数的期望问题116
733最大性能问题117
734PACC问题117
735最小（最大）扰动期望问题118
74准确度估计：给定数据集的情况下118
741问题形式化119
742自举方法120
743小自举包方法121
75认知处理和PACC122
76示例：嵌入式系统的准确度评估122
第8章嵌入式系统中的智能机制130
81电源电压与处理器频率层面的适应能力131
811在线DVFS132
812离线 DVFS134
82自适应感知及其策略134
821分级感知技术136
822自适应采样138
83能量获取级别自适应141
831增量电导法145
832扰动和观测法146
84时钟同步智能算法147
841时钟同步：框架149
842时钟同步的统计方法150
843时钟同步的自适应方法155
844时钟同步的预测方法155
85定位和跟踪155
851基于RSS的定位156
852基于到达时间的定位159
853 基于到达角的定位160
854基于到达频率的方法160
86应用代码级别的自适应161
861远程参数-代码可重编程性161
862远程代码可重编程性163
863决策支持系统164
864在线硬件可重编程性167
865 应用：Rialba塔监测系统170
第9章非稳态和演进环境中的学习174
91被动学习和主动学习175
911被动学习175
912主动学习178
92变点方法183
921变点183
922集合差异性183
923变点公式184
924CPM中使用的测试统计信息185
925基本方案扩展186
93更改检测测试187
931CUSUM CDT系列188
932置信区间CDT系列的交集190
933杏仁体—VM-PFC：H-CDT199
94即时学习框架199
941观测模型200
942JIT分类器201
943渐进性概念漂移205
944渐进性概念漂移的JIT206
945杏仁体—VM-PFC—LPAC-ACC：JIT方法207
第10章故障诊断系统208
101基于模型的故障检测和隔离210
102无模型故障检测和隔离211
1021FDS：传感器级情况213
1022FDS：传感器-传感器关系的变化217
1023FDS：多传感器案例221
103杏仁体和VM-PFC：多传感器级FDS225
参考文献226
书单推荐
