Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks

Name: Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks
Author: Yunfei Xu
ISBN: 9783319219202

Yunfei Xu

Lingua: inglese

Editore: Springer International Publishing, Springer International Publishing Nov 2015, 2015

3319219200 / 9783319219202

Serie: Libro 16 di 27 - SpringerBriefs in Electrical and Computer Engineering

Brossura
Nuovo

Visualizza tutti i dettagli

Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, GermaniaBuchWeltWeit Ludwig Meier e.K.

Venditore con 5 stelle

Venditore AbeBooks dal 11 gennaio 2012

Visualizza gli articoli di questo venditore

Brossura

Condizione: Nuovo

EUR 53,49

EUR 23,00 spedizione

Spedito da Germania a U.S.A.

Quantità: 2 disponibili

Aggiungi al carrello

Resi gratuiti per 30 giorni

Lista dei preferitiCrea un desiderata per articoli simili

Descrizione dell’articolo da parte del venditore

This item is printed on demand - it takes 3-4 days longer - Neuware -This brief introduces a class of problems and models for the prediction of the scalar field of interest from noisy observations collected by mobile sensor networks. It also introduces the problem of optimal coordination of robotic sensors to maximize the prediction quality subject to communication and mobility constraints either in a centralized or distributed manner. To solve such problems, fully Bayesian approaches are adopted, allowing various sources of uncertainties to be integrated into an inferential framework effectively capturing all aspects of variability involved. The fully Bayesian approach also allows the most appropriate values for additional model parameters to be selected automatically by data, and the optimal inference and prediction for the underlying scalar field to be achieved. In particular, spatio-temporal Gaussian process regression is formulated for robotic sensors to fuse multifactorial effects of observations, measurement noise, and prior distributions for obtaining the predictive distribution of a scalar environmental field of interest. New techniques are introduced to avoid computationally prohibitive Markov chain Monte Carlo methods for resource-constrained mobile sensors. Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks starts with a simple spatio-temporal model and increases the level of model flexibility and uncertainty step by step, simultaneously solving increasingly complicated problems and coping with increasing complexity, until it ends with fully Bayesian approaches that take into account a broad spectrum of uncertainties in observations, model parameters, and constraints in mobile sensor networks. The book is timely, being very useful for many researchers in control, robotics, computer science and statistics trying to tackle a variety of tasks such as environmental monitoring and adaptive sampling, surveillance, exploration, and plume tracking which are of increasing currency. Problems are solved creatively by seamless combination of theories and concepts from Bayesian statistics, mobile sensor networks, optimal experiment design, and distributed computation. 128 pp. Englisch.

Codice articolo 9783319219202

Contatta il venditore per questo articolo

Segnala questo articolo

Titolo: Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks
Autore: Yunfei Xu
Editore: Springer International Publishing, Springer International Publishing Nov 2015
Anno di pubblicazione: 2015
Condizione: Neu
Rilegatura: Taschenbuch
Lingua: inglese
ISBN 10: 3319219200
ISBN 13: 9783319219202
Peso dell'articolo: 230 grammi
Dimensioni: 235x155x7 mm
Serie: Libro 16 di 27: SpringerBriefs in Electrical and Computer Engineering

This brief introduces a class of problems and models for the prediction of the scalar field of interest from noisy observations collected by mobile sensor networks. It also introduces the problem of optimal coordination of robotic sensors to maximize the prediction quality subject to communication and mobility constraints either in a centralized or distributed manner. To solve such problems, fully Bayesian approaches are adopted, allowing various sources of uncertainties to be integrated into an inferential framework effectively capturing all aspects of variability involved. The fully Bayesian approach also allows the most appropriate values for additional model parameters to be selected automatically by data, and the optimal inference and prediction for the underlying scalar field to be achieved. In particular, spatio-temporal Gaussian process regression is formulated for robotic sensors to fuse multifactorial effects of observations, measurement noise, and prior distributions for obtaining the predictive distribution of a scalar environmental field of interest. New techniques are introduced to avoid computationally prohibitive Markov chain Monte Carlo methods for resource-constrained mobile sensors. Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks starts with a simple spatio-temporal model and increases the level of model flexibility and uncertainty step by step, simultaneously solving increasingly complicated problems and coping with increasing complexity, until it ends with fully Bayesian approaches that take into account a broad spectrum of uncertainties in observations, model parameters, and constraints in mobile sensor networks. The book is timely, being very useful for many researchers in control, robotics, computer science and statistics trying to tackle a variety of tasks such as environmental monitoring and adaptive sampling, surveillance, exploration, and plume tracking which are of increasing currency. Problems are solved creatively by seamless combination of theories and concepts from Bayesian statistics, mobile sensor networks, optimal experiment design, and distributed computation.

"Riassunto" può appartenere a un’altra edizione di questo titolo.

Informazioni sull’autore

Jongeun Choi is currently an Associate Professor with the Departments of Mechanical Engineering and Electrical and Computer Engineering at the Michigan State University. His current research interests include systems and control, system identification, and Bayesian methods, with applications to mobile robotic sensors, environmental adaptive sampling, engine control, neuromusculoskeletal systems, and biomedical problems. Funded by an NSF CAREER project, Dr. Choi and his coauthors at Michigan State University have developed prediction and environmental adaptive sampling algorithms for mobile sensor networks. From this project, Dr. Choi's group published 13 journal papers and 18 conference proceeding papers including two papers that were selected as finalists for the Best Student Paper Award at the Dynamic System and Control Conference (DSCC) 2011 and 2012.
Sarat C. Dass received his Ph.D. and M.S. degrees in Statistics from Purdue University at West Lafayette, Indiana, US, in 1995 and 1998, respectively. He is currently Associate Professor at Universiti Teknologi Petronas in Malaysia. He received the B.Stat. (Hons) degree in Statistics from the Indian Statistical Institute in 1993. His current research interests include statistical inference for dynamical systems, statistical pattern recognition and image processing, and Bayesian methods with applications to various fields of engineering and technology. He is an Associate Editor for Sankhya B, Journal of the Indian Statistical Institute. He has received several awards for his interdisciplinary work including the Outstanding Statistical Application award from the American Statistical Association (ASA) and the Frank Wilcoxon award from Technometrics. Dr. Dass is a member of ASA and ISBA.
Tapabrata Maiti is a world class statistician, a fellow of the American Statistical Association and the Institute of Mathematical Statistics. He has published research articles in top tier statistics journals such as Journal of the American Statistical Association, Annals of Statistics, Journal of the Royal Statistical Society, Series B, Biometrika, Biometrics etc. He has also published research articles in engineering, economics, genetics, medicine and social sciences. His research has been supported by the National Science Foundation and National Institutes of Health. He presented his work in numerous national and international meetings and in academic departments. Prof. Maiti served in editorial board of several statistics journals including journal of the American Statistical Association and journal of Agricultural, Environmental and Biological Statistics. He also served in several professional committees. Currently, he is a professor and the graduate director in the department of statistics and probability, Michigan State University. Prior to MSU, he was a tenured faculty member in the department of statistics, Iowa State University. Professor Maiti supervised several Ph.D. students and regularly teaches statistics and non-stat major graduate students.

"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.

BuchWeltWeit Ludwig Meier e.K.

Bergisch Gladbach, Germania

Venditore con 5 stelle

Venditore AbeBooks dal 11 gennaio 2012

Tariffe di spedizione da Germania a U.S.A.

Articolo	Da 5 a 15 giorni lavorativi	Da 5 a 15 giorni lavorativi
Primo articolo	EUR 23,00	EUR 23,00

I tempi di consegna sono stabiliti dai venditori e variano in base al corriere e al paese. Gli ordini che devono attraversare una dogana possono subire ritardi e spetta agli acquirenti pagare eventuali tariffe o dazi associati. I venditori possono contattarti in merito ad addebiti aggiuntivi dovuti a eventuali maggiorazioni dei costi di spedizione dei tuoi articoli.

Metodi di pagamento

Assegno
Bonifico bancario
PayPal

Informazioni sull’azienda del venditore

BuchWeltWeit Ludwig Meier e.K.

Germania

Contatta il venditoreVisualizza gli articoli di questo venditoreVisita la vetrina del venditore

Condizioni di vendita

BuchWeltWeit Inh. Ludwig Meier e.K.
Inhaber: Ludwig Meier
De-Gasperi-Str. 8
51469 Bergisch Gladbach
Deutschland

Tel.: +49(0)22028659300
Fax: +49(0)22028659301
E-Mail: info@buchweltweit.de

Registergericht: Amtsgericht Köln
Registernummer: HRA 28253

Umsatzsteuer-Identifikationsnummer: DE815259907

Wir sind zur Teilnahme an einem Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle weder verpflichtet noch bereit.

Diritto di recesso

Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.

Informazioni sul diritto di recesso

Diritto legale di recesso

Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.

Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.

Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).

Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.

Effetti del recesso

In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).

Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.

Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.

Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.

Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.

Dovrai rispedire i beni o consegnarli a BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.

Eccezioni al diritto di recesso

Il diritto di recesso non si applica a:

La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.

Condizioni di spedizione

Der Versand ins Ausland findet IMMER mit DHL statt. Auch nach Österreich verschicken wir nur mit DHL! Daher Standardversand == Luftpost!

Bayesian Prediction and Adaptive Sampling Algorithms for Mobile Sensor Networks

Descrizione dell’articolo da parte del venditore

Dati bibliografici

Riassunto

Descrizione articolo

Informazioni sull’autore

BuchWeltWeit Ludwig Meier e.K.

Tariffe di spedizione da Germania a U.S.A.

Metodi di pagamento

Informazioni sull’azienda del venditore

Condizioni di vendita

Diritto di recesso

Condizioni di spedizione