عنوان
پدید آورنده
موضوع
رده
TA404.3 .S77 2019eb
TA404
.
3
.
S77
2019eb
کتابخانه
محل استقرار
شابک
شابک
1315121069
شابک
1351637878
شابک
1351647385
شابک
1498738214
شابک
9781315121062
شابک
9781351637879
شابک
9781351647380
شابک
9781498738217
شابک اشتباه
1498738206
شابک اشتباه
9781498738200
عنوان و نام پديدآور
عنوان اصلي
Statistical methods for materials science :
نام عام مواد
[Book]
ساير اطلاعات عنواني
the data science of microstructure characterization /
نام نخستين پديدآور
edited by Jeffrey P. Simmons, Charles A. Bouman, Marc De Graef, Lawrence F. Drummy, Jr.
وضعیت نشر و پخش و غیره
محل نشرو پخش و غیره
Boca Raton, Florida :
نام ناشر، پخش کننده و غيره
CRC Press,
تاریخ نشرو بخش و غیره
[2019]
تاریخ نشرو بخش و غیره
©2019
مشخصات ظاهری
نام خاص و کميت اثر
1 online resource
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
Includes bibliographical references and index.
یادداشتهای مربوط به مندرجات
متن يادداشت
Cover; Half Title; Title Page; Copyright Page; Contents; Preface; About the Editors; Contributors; I Introduction; 1 Materials Science vs. Data Science; II Emerging Data Science in Microstructure Characterization; 2 Emerging Digital Data Capabilities; 2.1 Introduction; 2.2 Benefits of Large Data Volumes; 2.3 Challenges of Large Data Volumes; 2.4 Emerging Techniques; 2.4.1 Multi-Instrument Coordination; 2.4.2 Upstream Data Analysis; 2.4.3 Data Mining; 2.4.4 Data Curation; 2.5 Conclusions; 3 Cultural Differences; 3.1 What Makes Modern Image Processing So Modern?
متن يادداشت
3.2 Language of Image Processing3.2.1 Notational Differences; 3.2.1.1 Sets; 3.2.1.2 Operations on Sets; 3.2.1.3 Computations on Sets; 3.2.2 Bayesian Probability and Image Processing; 3.2.2.1 Modern Probability and Sets; 3.2.2.2 Foundational Rules of Modern Probability; 3.2.2.3 Mathematical Constructs; 3.2.2.4 Bayesian Probability in Image Processing; 3.3 Language of Materials Science; 3.3.1 Thermodynamic Phases; 3.3.2 Free Energies; 3.4 Concluding Remarks; 4 Forward Modeling; 4.1 What Is Forward Modeling?; 4.1.1 What Are the Unknowns in Materials Characterization?
متن يادداشت
4.1.2 A Schematic Description of Forward Modeling4.2 A Brief Overview of Electron Scattering Modalities; 4.3 Case Studies; 4.3.1 Electron Backscatter Diffraction; 4.3.1.1 BSE Monte Carlo Simulations; 4.3.1.2 Dynamical Scattering Simulations; 4.3.1.3 Detector Parameters; 4.3.2 Lorentz Vector Field Electron Tomography; 4.3.2.1 Lorentz Forward Model; 4.3.2.2 Electron Wave Phase Shift Computations; 4.3.2.3 Example Lorentz Image Simulation; 4.4 Summary; 5 Inverse Problems and Sensing; 5.1 Introduction; 5.2 Traditional Approaches to Inversion; 5.3 Bayesian and Regularized Approaches to Inversion
متن يادداشت
5.4 Why Does Bayesian Estimation Work?5.5 Model-Based Reconstruction; 5.6 Successes and Opportunities of Bayesian Inversion; III Inverse Methods for Analysis of Data; 6 Model-Based Iterative Reconstruction for Electron Tomography; 6.1 Introduction; 6.2 Model-Based Iterative Reconstruction; 6.3 High-Angle Annular Dark-Field STEM Tomography; 6.3.1 HAADF-STEM Forward Model; 6.3.2 Prior Model; 6.3.3 Cost Function Formulation and Optimization Algorithm; 6.3.4 Experimental Results; 6.3.4.1 Simulated Dataset; 6.3.4.2 Experimental Dataset; 6.4 Bright-Field Electron Tomography
متن يادداشت
6.4.1 BF-TEM Forward Model and Cost Function Formulation6.4.1.1 Generalized Huber Functions for Anomaly Modeling; 6.4.1.2 MBIR Cost Formulation; 6.4.2 Results; 6.4.2.1 Simulated Dataset; 6.4.2.2 Real Dataset; 6.5 Future Directions; 6.6 Conclusion; 7 Statistical Reconstruction and Heterogeneity Characterization in 3-D Biological Macromolecular Complexes; 7.1 Introduction; 7.2 Statistical 3-D Signal Reconstruction of Macromolecular Complexes; 7.2.1 Introduction; 7.2.2 Statistical Model; 7.2.3 Relationship between the Moments of the Weights and the Moments of the Electron Scattering Intensity
بدون عنوان
0
بدون عنوان
8
بدون عنوان
8
بدون عنوان
8
بدون عنوان
8
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Data analytics has become an integral part of materials science. This book provides the practical tools and fundamentals needed for researchers in materials science to understand how to analyze large datasets using statistical methods, especially inverse methods applied to microstructure characterization. It contains valuable guidance on essential topics such as denoising and data modeling. Additionally, the analysis and applications section addresses compressed sensing methods, stochastic models, extreme estimation, and approaches to pattern detection.
یادداشتهای مربوط به سفارشات
منبع سفارش / آدرس اشتراک
Ingram Content Group
شماره انبار
9781351647380
ویراست دیگر از اثر در قالب دیگر رسانه
شماره استاندارد بين المللي کتاب و موسيقي
9781498738200
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Materials science-- Mathematical models.
موضوع مستند نشده
Materials science-- Statistical methods.
موضوع مستند نشده
MATHEMATICS-- Probability & Statistics-- General.
موضوع مستند نشده
SCIENCE-- Solid State Physics.
موضوع مستند نشده
TECHNOLOGY & ENGINEERING-- Engineering (General)
موضوع مستند نشده
TECHNOLOGY & ENGINEERING-- Reference.
موضوع مستند نشده
TECHNOLOGY-- Material Science.
مقوله موضوعی
موضوع مستند نشده
MAT-- 029000
موضوع مستند نشده
SCI-- 077000
موضوع مستند نشده
TEC-- 009000
موضوع مستند نشده
TEC-- 021000
موضوع مستند نشده
TEC-- 035000
موضوع مستند نشده
TGM
رده بندی ديویی
شماره
620
.
1/10727
ويراست
23
رده بندی کنگره
شماره رده
TA404
.
3
نشانه اثر
.
S77
2019eb
نام شخص - (مسئولیت معنوی برابر )
مستند نام اشخاص تاييد نشده
Bouman, Charles Addison
مستند نام اشخاص تاييد نشده
De Graef, Marc
مستند نام اشخاص تاييد نشده
Drummy, Lawrence F.
مستند نام اشخاص تاييد نشده
Simmons, Jeffrey P.
مبدا اصلی
تاريخ عمليات
20200822170907.0
قواعد فهرست نويسي ( بخش توصيفي )
pn
دسترسی و محل الکترونیکی
نام الکترونيکي
مطالعه متن کتاب اطلاعات رکورد کتابشناسی
نوع ماده
[Book]
اطلاعات دسترسی رکورد
تكميل شده
Y
این پایگاه با مشارکت موسسه علمی - فرهنگی دارالحدیث و مرکز تحقیقات کامپیوتری علوم اسلامی (نور) اداره می شود
مسئولیت صحت اطلاعات بر عهده کتابخانه ها و حقوق معنوی اطلاعات نیز متعلق به آنها است
مسئولیت صحت اطلاعات بر عهده کتابخانه ها و حقوق معنوی اطلاعات نیز متعلق به آنها است
