该文介绍了一个多功能的统计学习框架，通过稳定性原则选择回溯窗口，控制累积偏差，适应未知的非平稳性。该方法通过函数相似性度量和数据分割技术，对未知非平稳性的适应性表现出最优的遗憾界。

该研究设计了一种能够预测疲劳裂纹增长和构件失效寿命的统计学习框架，通过降维和神经网络等技术处理了历史依赖性和非线性问题，能够实时监测结构健康和疲劳寿命预测。