Bücher von Chandan Srivastava

This book presents an overview of the evolution and opportunities associated with traditional as well as upcoming fields in the areas of materials, metallurgy, and manufacturing. There are a lot of interesting fields at this trijunction, such as alloy design, bio-materials, composites, high entropy alloys, sensors, electronic materials, and materials degradation. The progress in these fields is further fuelled by the advances in the analysis and fabrication techniques such as correlative microscopy, additive manufacturing, and surface engineering. This book discusses the above topics/fields covering advanced analysis techniques, fabrication methods, and various technological applications. Every chapter walks through the basics of the respective field and comprehensively discusses the current developments and future avenues, to arrive at a point where the reader acquires an overall view of the field. Special emphasis is given to the scientific fundamentals and application potential, in a way that readers of all backgrounds can get benefited. The chapters connect the current developments with the future avenues, to help the researchers foresee the future technologies, in their respective fields. This text will appeal to experienced researchers, practitioners, and students alike. 

Questo libro si basa sull'idea che gli algoritmi di apprendimento automatico e i metodi statistici basati sui ranghi siano una scelta migliore per sviluppare un modello robusto in situazioni logiche. Abbiamo progettato un'impostazione sperimentale per la raccolta dei dati, sviluppato una classe unica di modelli che include la selezione delle variabili e i metodi di rilevamento. Le variabili significative selezionate forniscono una classe unica di modelli per tutti e sei i partecipanti. Sottolineiamo che le migliori variabili selezionate hanno buone informazioni per lo sviluppo del modello e che ogni variabile selezionata non ha errori, cioè AUC=1, con la selezione in avanti e il classificatore di supporto vettoriale per la descrizione dei dati. In sostanza, abbiamo sviluppato una classe unica di modelli utilizzando sei diverse classi di soggetti, per prevedere la prevenzione delle cadute degli anziani, e dopo aver effettuato la validazione esterna con la settima classe di soggetti, abbiamo raggiunto una soluzione unica. La sezione uno è l'introduzione alla ricerca, la sezione due riguarda il disegno della ricerca e l'analisi dei dati, le sezioni tre e quattro forniscono un ampio sviluppo del modello per la selezione delle variabili e del classificatore di una classe. Infine, vengono fornite le conclusioni e gli aspetti futuri dell'intero studio.

Dieses Buch basiert auf der Grundlage, dass Algorithmen des maschinellen Lernens und rangbasierte statistische Methoden eine bessere Wahl sind, um ein robustes Modell in logischen Situationen zu entwickeln. Wir haben einen Versuchsaufbau für die Datenerfassung entworfen und eine einzigartige Modellklasse einschließlich Variablenauswahl und Erkennungsmethoden entwickelt. Die ausgewählten signifikanten Variablen liefern eine einzigartige Modellklasse für alle sechs Teilnehmer. Wir betonen, dass die am besten ausgewählten Variablen gute Informationen für die Modellentwicklung haben und jede ausgewählte Variable keinen Fehler aufweist, d.h. AUC=1, mit Vorwärtsselektion und Support-Vektor-Datenbeschreibungsklassifikator. Im Grunde haben wir ein einzigartiges Modell mit sechs verschiedenen Klassen von Probanden entwickelt, das die Sturzprävention bei älteren Menschen vorhersagt, und nachdem wir eine externe Validierung mit einer siebten Klasse von Probanden durchgeführt haben, haben wir eine einzigartige Lösung erreicht. Abschnitt eins ist die Einführung in die Forschung, Abschnitt zwei befasst sich mit dem Forschungsdesign und der Datenanalyse, Abschnitt drei und vier enthalten eine ausführliche Entwicklung des Modells für die Variablenauswahl und einen Klassifikator. Abschließend wird die Schlussfolgerung gezogen und ein Ausblick auf die Zukunft der gesamten Studie gegeben.

Ce livre est basé sur le fait que les algorithmes d'apprentissage automatique et les méthodes statistiques basées sur les rangs sont un meilleur choix pour développer un modèle robuste dans des situations logiques. Nous avons conçu un dispositif expérimental pour la collecte de données, développé une classe unique de modèle comprenant la sélection de variables et les méthodes de détection. Les variables significatives sélectionnées fournissent une classe unique de modèle pour les six participants. Nous mettons l'accent sur les meilleures variables sélectionnées qui ont de bonnes informations pour le développement du modèle, et chaque variable sélectionnée n'a pas d'erreur, c'est-à-dire que l'AUC = 1, avec la sélection directe et le classificateur de description de données à vecteur de support. Fondamentalement, nous avons développé une classe unique de modèle en utilisant six classes différentes de sujets, prédisant la prévention des chutes chez les personnes âgées, et après avoir effectué une validation externe avec la septième classe de sujets, nous avons atteint une solution unique. La première section est une introduction à la recherche, la deuxième section est consacrée à la conception de la recherche et à l'analyse des données, les troisième et quatrième sections présentent le développement détaillé du modèle de sélection des variables et du classificateur à classe unique. Enfin, la conclusion et l'aspect futur de l'étude sont présentés.

Este libro se basa en que los algoritmos de aprendizaje automático y los métodos estadísticos basados en rangos son una mejor opción para desarrollar un modelo robusto en situaciones lógicas. Hemos diseñado una configuración experimental para la recogida de datos, hemos desarrollado una clase única de modelo que incluye la selección de variables y los métodos de detección. Las variables significativas seleccionadas proporcionan una clase única de modelo para los seis participantes. Destacamos que las mejores variables seleccionadas tienen buena información para el desarrollo del modelo, y cada variable seleccionada no tiene error, es decir, AUC=1, con la selección hacia adelante y el clasificador de descripción de datos de vectores de apoyo. Básicamente, desarrollamos una clase única de modelo utilizando seis clases diferentes de sujetos, prediciendo la prevención de caídas de los ancianos, y después de hacer la validación externa con la séptima clase de sujetos, llegamos a una solución única. La sección uno es la introducción de la investigación, la sección dos trata sobre el diseño de la investigación y el análisis de los datos, las secciones tres y cuatro dan un desarrollo extenso del modelo para la selección de variables y un clasificador de clase. Por último, se presenta la conclusión y el aspecto futuro de todo el estudio.

Este livro baseia-se no facto de que os algoritmos de aprendizagem de máquinas e os métodos estatísticos baseados na classificação são uma melhor escolha para desenvolver um modelo robusto em situações lógicas. Concebemos uma configuração experimental para recolha de dados, desenvolvemos uma classe de modelo única, incluindo selecção de variáveis, e métodos de detecção. As variáveis significativas seleccionadas proporcionam uma classe de modelo única para todos os seis participantes. Damos ênfase às melhores variáveis seleccionadas têm boa informação para o desenvolvimento do modelo, e cada variável seleccionada não tem erro, isto é; AUC=1, com selecção avançada e classificador de descrição de dados vectoriais de suporte. Basicamente, desenvolvemos uma classe única de modelo utilizando seis classes diferentes de disciplinas, prevendo a prevenção de quedas de idosos, e depois de fazer a validação externa com a sétima classe de disciplinas, chegámos a uma solução única. As secções um é a introdução à investigação, a secção dois é toda sobre concepção de investigação e análise de dados, as secções três e quatro dão um desenvolvimento extensivo de modelo para selecção de variáveis e um classificador de classe. Depois, finalmente, dada a conclusão e aspecto futuro de todo o estudo.

This book is based on the basis that clustering and neural networks methods. The clustering algorithms (k-means, and k-medoids) are describe the analysis on noise data i.e. preclassification for robust model development. The better choice of cluster are forming by Euclidean statistical clustering algorithms, are able to preclassified data into significant groups. We assume that both methods are better predicted on different example in real analysis. The recurrent backpropagation is one of the best optimization techniques for minimizing the error and achieve the best optimal result. Since we have input unit, output unit, and eventually hidden unit; we could say that this is supervised optimization learning process. The optimization process to minimizing the error and get the activated network till that all weight of the network are going to reach equilibrium state). This process usually take more time because every output of network add-up with input again and train network (weight) to reach the equilibrium state (optimal solution).Reported results and graphical user interface (GUI) snapshot, showing algorithms are integrated well in software package (simulator).

This book is based on the basis that machine learningalgorithms and rank based statistical methods are abetter choice to develop a robust model in logicalsituations. We designed experimental setup for datacollection, developed unique class of model includingvariable selection, and detection methods. Theselected significant variables provide a unique classof model for all six participants. We emphasize thebest selected variables have good information formodel development, and each selected variable have noerror i.e.; AUC=1, with forward selection and supportvector data description classifier. Basically, wedeveloped a unique class of model using six differentclasses of subjects, predicting elderly fallprevention, and after doing external validation withseventh class of subject, we reached a uniquesolution. Sections one is research introduction,section two is all about research design and dataanalysis, section three and four give extensivedevelopment of model for variable selection and oneclass classifier. Then finally given the conclusionand future aspect of whole study.