掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據驅動的工業人工智能:建模方法與應用 版權信息
- ISBN：9787111749738
- 條形碼：9787111749738 ; 978-7-111-74973-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據驅動的工業人工智能:建模方法與應用 本書特色
本書集創新理論研究與應用落地實踐于一體，為智能制造領域從業者、研究人員以及對工業人工智能充滿好奇的各界讀者提供了一份全面而深入的指南。 深入剖析了工業人工智能各類典型應用場景的難點問題，系統闡述了數據驅動的各類新型建模方法，并且提供了大量豐富的工業實踐案例
數據驅動的工業人工智能:建模方法與應用 內容簡介
本書從工業大數據分析所面臨的實際應用問題和工業AI模型的構建方法兩條內容主線，介紹數據驅動的工業智能，使得理論與應用實踐深度融合；將工業AI模型的建模思路結合到理論方法的介紹中，使得讀者能夠掌握其中思考問題的方法和過程，做到“授人以漁”。在數據驅動的工業AI模型開發的介紹中既注重對理論知識的介紹，也將各章節知識點串聯起來形成一個立體、完整的工業AI數據分析系統，提升讀者對工業智能和工業大數據分析的宏觀思維。 本書可作為工業界企業技術專家、IT系統研發人員、學術界智能制造、人工智能、工業互聯網、數據科學等領域研究者的參考書，也可以作為高等院校計算機、自動化、機械等相關專業工業人工智能課程的教材，同時還可作為工業領域新一代人工智能、深度學習、區塊鏈愛好者、開發者的自學教材或參考書。
數據驅動的工業人工智能:建模方法與應用 目錄
序
前言
第1章新一代人工智能與智能制造
11新一代人工智能發展背景
12智能制造的新發展
13數據驅動的工業人工智能
第2章基礎理論知識
21工業AI模型應用流程概述
22常用深度學習技術
221卷積神經網絡
222循環神經網絡
223自動編碼器
224受限玻爾茲曼機
225基于注意力機制的神經網絡
226圖神經網絡
第3章工業時間序列信息表征建模方法
31概述
32工業時序多通道信息表征建模方法
321多通道時序注意力網絡
322工業時序高精度預測方法
33工業時序多尺度信息表征建模方法
331多尺度密集門控循環單元網絡
332基于MDGRU網絡的分析流程
34工業時序多層級時頻域信息表征建模方法
341多層級小波分解網絡
342基于多層級小波分解的時間序列外部回歸網絡
35工業時序多層次信息表征建模方法
351多層次信息表征網絡
352基于Auto-CNN-LSTM網絡的分析流程
36工業時序時空耦合信息表征建模方法
361時空耦合信息網絡整體結構
362時空耦合信息表征網絡
37典型應用案例
371基于MCTAN的飛機發動機剩余使用壽命預測
372基于Auto-CNN-LSTM的鋰電池剩余使用壽命預測
第4章工業低質數據增強表征建模方法
41概述
42無標簽數據增強表征建模方法
421基于半監督并行DeepFM的無標簽數據預測方法
422基于小波數據增強的無標簽數據預測方法
43非均衡數據增強表征建模方法
431工業數據隱式擴充方法
432面向非均衡工業數據的標簽解構多輸入智能處理架構
44缺失數據增強表征建模方法
441面向低質數據的缺失特征自動補全方法
442基于兩階段預訓練的缺失特征表征方法
45典型應用案例
451基于SS-PDeepFM的泡沫浮選產品質量預測(無標簽)
452基于LM-CNN的軸承故障診斷(不平衡、零樣本)
第5章工業多源異質數據深層融合建模方法
51概述
52工業異質關聯數據融合建模方法
521基于深度-寬度-序列(WDS)網絡架構的工業數據異質特征融合范式
522基于注意力機制的工業多特征融合表征建模方法
53工業多源高維度數據融合建模方法
531張量及其操作
532針對
展開全部
數據驅動的工業人工智能:建模方法與應用 作者簡介
任磊，北京航空航天大學自動化學院教授、軟件學院教授，工業互聯網領域首個國家杰出青年基金獲得者
書友推薦
- >
朝聞道
- >
名家帶你讀魯迅:朝花夕拾
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮與六便士
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
推拿
本類暢銷
