中圖網(wǎng)小程序
一鍵登錄
更方便
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(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數(shù)據(jù)驅(qū)動的工業(yè)人工智能:建模方法與應用 版權(quán)信息
- ISBN：9787111749738
- 條形碼：9787111749738 ; 978-7-111-74973-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
數(shù)據(jù)驅(qū)動的工業(yè)人工智能:建模方法與應用 本書特色
本書集創(chuàng)新理論研究與應用落地實踐于一體，為智能制造領域從業(yè)者、研究人員以及對工業(yè)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(yè)人工智能各類典型應用場景的難點問題，系統(tǒng)闡述了數(shù)據(jù)驅(qū)動的各類新型建模方法，并且提供了大量豐富的工業(yè)實踐案例
數(shù)據(jù)驅(qū)動的工業(yè)人工智能:建模方法與應用 內(nèi)容簡介
本書從工業(yè)大數(shù)據(jù)分析所面臨的實際應用問題和工業(yè)AI模型的構(gòu)建方法兩條內(nèi)容主線，介紹數(shù)據(jù)驅(qū)動的工業(yè)智能，使得理論與應用實踐深度融合；將工業(yè)AI模型的建模思路結(jié)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(shù)據(jù)驅(qū)動的工業(yè)AI模型開發(fā)的介紹中既注重對理論知識的介紹，也將各章節(jié)知識點串聯(lián)起來形成一個立體、完整的工業(yè)AI數(shù)據(jù)分析系統(tǒng)，提升讀者對工業(yè)智能和工業(yè)大數(shù)據(jù)分析的宏觀思維。 本書可作為工業(yè)界企業(yè)技術專家、IT系統(tǒng)研發(fā)人員、學術界智能制造、人工智能、工業(yè)互聯(lián)網(wǎng)、數(shù)據(jù)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(yè)工業(yè)人工智能課程的教材，同時還可作為工業(yè)領域新一代人工智能、深度學習、區(qū)塊鏈愛好者、開發(fā)者的自學教材或參考書。
數(shù)據(jù)驅(qū)動的工業(yè)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(fā)展背景
12智能制造的新發(fā)展
13數(shù)據(jù)驅(qū)動的工業(yè)人工智能
第2章基礎理論知識
21工業(yè)AI模型應用流程概述
22常用深度學習技術
221卷積神經(jīng)網(wǎng)絡
222循環(huán)神經(jīng)網(wǎng)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(jīng)網(wǎng)絡
226圖神經(jīng)網(wǎng)絡
第3章工業(yè)時間序列信息表征建模方法
31概述
32工業(yè)時序多通道信息表征建模方法
321多通道時序注意力網(wǎng)絡
322工業(yè)時序高精度預測方法
33工業(yè)時序多尺度信息表征建模方法
331多尺度密集門控循環(huán)單元網(wǎng)絡
332基于MDGRU網(wǎng)絡的分析流程
34工業(yè)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(wǎng)絡
342基于多層級小波分解的時間序列外部回歸網(wǎng)絡
35工業(yè)時序多層次信息表征建模方法
351多層次信息表征網(wǎng)絡
352基于Auto-CNN-LSTM網(wǎng)絡的分析流程
36工業(yè)時序時空耦合信息表征建模方法
361時空耦合信息網(wǎng)絡整體結(jié)構(gòu)
362時空耦合信息表征網(wǎng)絡
37典型應用案例
371基于MCTAN的飛機發(fā)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(yè)低質(zhì)數(shù)據(jù)增強表征建模方法
41概述
42無標簽數(shù)據(jù)增強表征建模方法
421基于半監(jiān)督并行DeepFM的無標簽數(shù)據(jù)預測方法
422基于小波數(shù)據(jù)增強的無標簽數(shù)據(jù)預測方法
43非均衡數(shù)據(jù)增強表征建模方法
431工業(yè)數(shù)據(jù)隱式擴充方法
432面向非均衡工業(yè)數(shù)據(jù)的標簽解構(gòu)多輸入智能處理架構(gòu)
44缺失數(shù)據(jù)增強表征建模方法
441面向低質(zhì)數(shù)據(jù)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(chǎn)品質(zhì)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(yè)多源異質(zhì)數(shù)據(jù)深層融合建模方法
51概述
52工業(yè)異質(zhì)關聯(lián)數(shù)據(jù)融合建模方法
521基于深度-寬度-序列(WDS)網(wǎng)絡架構(gòu)的工業(yè)數(shù)據(jù)異質(zhì)特征融合范式
522基于注意力機制的工業(yè)多特征融合表征建模方法
53工業(yè)多源高維度數(shù)據(jù)融合建模方法
531張量及其操作
532針對
展開全部
數(shù)據(jù)驅(qū)動的工業(yè)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(yè)互聯(lián)網(wǎng)領域首個國家杰出青年基金獲得者
書友推薦
- >
自卑與超越
- >
有舍有得是人生
- >
詩經(jīng)-先民的歌唱
- >
名家?guī)阕x魯迅:朝花夕拾
- >
苦雨齋序跋文-周作人自編集
- >
上帝之肋:男人的真實旅程
- >
唐代進士錄
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
