Data Modeling for Metrology and Testing in Measurement Science

این کتاب و دی وی دی همراه مجموعه جامعی از روش‌های مدل‌سازی برای تجزیه و تحلیل داده‌ها و عدم قطعیت را ارائه می‌دهد، که خوانندگان را فراتر از روش‌های رایج توصیف‌شده در متون استاندارد می‌برد. در کل تاکید بر تکنیک‌هایی است که دارای طیف وسیعی از کاربردهای دنیای واقعی در علم اندازه‌گیری هستند.
روش‌های اصلی مدل‌سازی و تحلیل داده‌ها معمولاً بر مفروضات خاصی متکی هستند که برای بسیاری از کاربردهای عملی صادق نیستند. در این کار روش‌ها و ابزارهای محاسباتی برای پرداختن به مدل‌های کلی که در عمل به وجود می‌آیند، توسعه داده شده‌اند، که امکان درمان معتبرتر از کالیبراسیون و داده‌های آزمایشی و ارائه درک عمیق‌تری از موقعیت‌های پیچیده در علم اندازه‌گیری را فراهم می‌کند.
ویژگی‌ها و موضوعات اضافی کتاب شامل:
* مقدمه ای بر اصول مدلسازی در مترولوژی و تست
* ارائه یک چارچوب احتمال اولیه در مترولوژی و رویکردهای آماری برای ارزیابی عدم قطعیت
* بحث در مورد آخرین تحولات در تجزیه و تحلیل داده ها با استفاده از حداقل مربعات، سریع تبدیل فوریه، موجک‌ها و روش‌های منطق فازی
* آمیختگی داده‌ها با استفاده از شبکه‌های عصبی، روش‌های فازی، تصمیم‌گیری و تجزیه و تحلیل ریسک
* رویکردی دقیق و به کمک رایانه برای ارزیابی داده‌ها و تجزیه و تحلیل اعتبار نرم‌افزار اندازه‌گیری >* مقدمه ای بر ابزارهای مجازی و مروری بر ابزارهای فناوری اطلاعات برای علوم اندازه گیری
مدل سازی داده ها برای اندازه گیری و آزمایش در علوم اندازه گیری ممکن است به عنوان یک کتاب درسی در دوره های تحصیلات تکمیلی در مورد مدل سازی داده ها و روش های محاسباتی یا به عنوان کتابچه راهنمای آموزشی در زمینه های کالیبراسیون و تست این کتاب همچنین به عنوان یک مرجع عالی برای اندازه‌شناسان، ریاضیدانان، آماردانان، مهندسان نرم‌افزار، شیمی‌دانان و سایر پزشکان با علاقه عمومی به علم اندازه‌گیری خواهد بود.

This book and companion DVD provide a comprehensive set of modeling methods for data and uncertainty analysis, taking readers beyond mainstream methods described in standard texts. The emphasis throughout is on techniques having a broad range of real-world applications in measurement science.
Mainstream methods of data modeling and analysis typically rely on certain assumptions that do not hold for many practical applications. Developed in this work are methods and computational tools to address general models that arise in practice, allowing for a more valid treatment of calibration and test data and providing a deeper understanding of complex situations in measurement science.
Additional features and topics of the book include:
* Introduction to modeling principles in metrology and testing
* Presentation of a basic probability framework in metrology and statistical approaches to uncertainty assessment
* Discussion of the latest developments in data analysis using least squares, Fast Fourier Transform, wavelets, and fuzzy logic methods
* Data fusion using neural networks, fuzzy methods, decision making, and risk analysis
* A computer-assisted, rigorous approach to data evaluation and analysis of measurement software validity
* Introduction to virtual instruments, and an overview of IT tools for measurement science
Data Modeling for Metrology and Testing in Measurement Science may be used as a textbook in graduate courses on data modeling and computational methods, or as a training manual in the fields of calibration and testing. The book will also serve as an excellent reference for metrologists, mathematicians, statisticians, software engineers, chemists, and other practitioners with a general interest in measurement science.