Claudia Krull

Virtual Stochastic Sensors: Formal Background and Example Applications

Reconstructing the Behavior of Partially Observable Discrete and Hybrid Stochastic Systems


voorkant	achterkant

ISBN:

978-3-8440-8242-5

Reeks:

Informatik

Trefwoorden:

discrete stochastic model; doubly stochastic process; behavior reconstruction; stochastic Petri-net; stochastic system; non-Markovian model

Soort publicatie:

Habilitatie

Taal:

Engels

Pagina's:

202 pagina's

Gewicht:

299 g

Formaat:

21 x 14,8 cm

Bindung:

Softcover

Prijs:

48,80 € / 61,10 SFr

Verschijningsdatum:

Oktober 2021

Kopen:

DOI:

10.2370/9783844082425 (Online-Publicatie-Document)

Download:

Beschikbare online documenten voor deze titel:

U heeft Adobe Reader, nodig, om deze bestanden te kunnen bekijken. Hier vindt u ondersteuning en informatie, bij het downloaden van PDF-bestanden.

Let u er a.u.b. op dat de online-bestanden niet drukbaar zijn.


	Document		Document
	Soort bestand		PDF
	Kosten		36,60 EUR
	Acties		Tonen en kopen van het bestand - 1,9 MB (2029777 Byte)
	Acties		Kopen en downloaden van het bestand - 1,9 MB (2029777 Byte)


	Document		Inhoudsopgave
	Soort bestand		PDF
	Kosten		gratis
	Acties		Het bestand tonen - 227 kB (232582 Byte)
	Acties		downloaden van het bestand - 227 kB (232582 Byte)

Gebruikersinstellingen voor geregistreerde online-bezoekers

Hier kunt u uw adresgegevens aanpassen en uw documenten inzien.

Gebruiker:	niet aangemeld
Acties:	aanmelden/registreren Paswoord vergeten?

Aanbevelen:

Wilt u dit boek aanbevelen?

Recensie-exemplaar

Bestelling van een recensie-exemplaar.

Verlinking

Wilt u een link hebben van uw publicatie met onze online catalogus? Klik hier.

Samenvatting

Many real-world problems can be described by using discrete or hybrid stochastic systems. Modeling and simulation of such systems is possible, if they are directly and completely observable. Unfortunately, complete observability is often not possible or not feasible, due to economic or safety considerations, or simply because the system has not been observed during the time period of interest. Instead, often one may only see output or effects of the system of interest, making the systems partially observable. Inferring on the cause of such observations by reconstructing unobserved system behavior can be considered an inverse problem in modeling and simulation, which to our knowledge have not been investigated thus far.
This book introduces the concept of Virtual Stochastic Sensors (VSS) for the specification and solution of inverse problems for a broad class of non-Markovian partially observable stochastic systems. VSS enable the reconstruction of specific system behavior or quantities of interest based on observable system output or effects. In the first part, the book presents modeling paradigms and analysis methods for inverse problems of specific types of partially observable discrete and hybrid stochastic systems. In the second part, it shows the feasibility of the VSS concept by solving inverse problems in three exemplary application areas, namely optimization of jobshop productions, non-intrusive appliance load monitoring, and human computer interaction.