幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

工業大數據與知識圖譜

  • 作者：編者:王堅//戴毅茹//凌衛青|責編:趙凱
  • 出版社：清華大學
  • ISBN：9787302637684
  • 出版日期：2023/09/01
  • 裝幀：平裝
  • 頁數：210
人民幣：RMB 118 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    工業大數據分析與知識圖譜作為人工智慧領域的核心技術，已經成為當前學術研究和工程應用的焦點，受到越來越多的關注。本書從技術和實踐的角度，為讀者闡述工業大數據分析和知識圖譜的核心技術及其實踐應用。
    本書內容分為三篇。第一篇以物聯網數據為基礎，圍繞工業大數據技術的「虛實融合」的CPS核心內容，開展數據治理、數據分析、數據平台的相關闡述，揭示數據驅動的生產系統優化模式；第二篇以人（社會網）機（互聯網）物（物聯網）數據為基礎，圍繞人工智慧先進技術即知識圖譜，探討知識發現、知識圖譜構建、知識服務、工業智能製造及知識服務平台等核心關鍵技術，為企業向智能製造的轉型升級提供知識驅動的智慧共享的創新模式；第三篇基於前兩篇的關鍵技術創新，開展重點行業、重點領域的典型場景應用，圍繞鋼鐵、民用航空、電氣等國民經濟支柱行業，聚焦節能潛力分析、設備健康管理及預測性維護、知識組織管理等重點領域，開展應用實踐工作。
    本書可以作為電腦科學、電子與信息工程、控制科學與工程等學科的教學與科研用書、以及企業技術人員的參考書。
作者介紹
編者:王堅//戴毅茹//凌衛青|責編:趙凱
目錄
第一篇  工業大數據：使機器更「聰明」
  第1章  工業大數據概述
    1.1  工業大數據的產生背景及發展歷程
      1.1.1  工業大數據的產生背景
      1.1.2  工業大數據的發展歷程
    1.2  工業大數據的概念與內涵
      1.2.1  工業大數據的概念
      1.2.2  工業大數據的特徵
      1.2.3  工業大數據的組成
      1.2.4  工業大數據的典型應用場景
    1.3  工業大數據發展現狀及面臨的挑戰
      1.3.1  工業大數據發展現狀
      1.3.2  工業大數據面臨的挑戰
      1.3.3  工業大數據的發展趨勢
    1.4  工業大數據與工業互聯網
  第2章  工業大數據體系架構及技術布局
    2.1  工業互聯網體系架構
      2.1.1  應用參考架構
      2.1.2  平台參考架構
    2.2  工業大數據技術布局
      2.2.1  工業大數據技術的特點
      2.2.2  工業大數據技術發展趨勢
  第3章  工業大數據治理
    3.1  工業大數據治理產生的背景
    3.2  工業大數據治理的概念
      3.2.1  大數據治理的概念
      3.2.2  大數據治理框架
      3.2.3  工業大數據治理的概念
    3.3  基於語義網的工業大數據治理
      3.3.1  本體論
      3.3.2  語義網
      3.3.3  關鍵技術
    3.4  基於知識圖譜的工業大數據治理
      3.4.1  工業大數據與知識圖譜
      3.4.2  工業大數據環境下的知識圖譜構建
  第4章  工業大數據分析技術
    4.1  工業大數據分析技術概述
    4.2  工業大數據分析主要技術
      4.2.1  傳統機器學習方法
      4.2.2  深度學習方法
第二篇  知識圖譜：使機器更「有學識」
  第5章  知識圖譜概述
    5.1  知識圖譜的定義與分類
      5.1.1  知識圖譜的定義
      5.1.2  知識圖譜的分類
    5.2  知識圖譜的作用與意義
    5.3  知識圖譜的研究進展
      5.3.1  知識圖譜的研究現狀
      5.3.2  知識圖譜的發展趨勢
  第6章  知識圖譜體系架構及技術布局

    6.1  知識圖譜體系架構
    6.2  知識圖譜技術布局
      6.2.1  知識發現
      6.2.2  知識建模
      6.2.3  知識推理
  第7章  數據驅動的知識發現
    7.1  數據驅動的知識發現概述
      7.1.1  數據驅動的知識發現內涵
      7.1.2  數據驅動的知識發現過程
      7.1.3  工業大數據與商業大數據知識發現區別
    7.2  數據驅動的知識發現主要方法
      7.2.1  基於關聯集成進化的多元回歸變數選擇方法
      7.2.2  基於改進多項式的非線性變數選擇
      7.2.3  基於工業大數據的特徵提取
  第8章  知識圖譜建模
    8.1  基於本體的知識建模
      8.1.1  基於本體的知識建模框架
      8.1.2  基於本體的知識建模技術
    8.2  知識抽取
      8.2.1  結構化數據抽取
      8.2.2  半結構化與非結構化數據抽取
    8.3  知識表達
      8.3.1  知識表達方法
      8.3.2  知識表達準則
      8.3.3  基於鋼鐵高附加值產品生產流程知識表達
    8.4  知識融合
      8.4.1  知識融合技術
      8.4.2  人機物本體知識融合
  第9章  知識推理
    9.1  知識推理基本方法
      9.1.1  知識推理方法概述
      9.1.2  基於貝葉斯網路的知識推理方法
    9.2  面向知識圖譜的知識推理
      9.2.1  基於符號規則的知識圖譜推理
      9.2.2  基於表示學習的知識圖譜推理
  第10章  知識服務
    10.1  知識服務概述
      10.1.1  知識服務定義
      10.1.2  知識服務模式
    10.2  知識服務參考體系
    10.3  基於知識圖譜的知識服務架構
    10.4  知識推薦
      10.4.1  推薦演算法
      10.4.2  基於內容的推薦演算法
第三篇  應用實踐
  第11章  工業大數據典型案例
    11.1  鋼鐵加熱爐能耗預測及節能潛力分析
      11.1.1  基於語義網的數據集成
      11.1.2  基於深度學習的能耗預測模型構建
      11.1.3  餘熱鍋爐大數據節能潛力分析

    11.2  基於工業大數據的設備健康管理
      11.2.1  基於DBN演算法的設備健康評估
      11.2.2  基於大數據技術的風電設備故障預測
    11.3  鋼鐵熱軋流程工藝知識推薦
    11.4  基於圖神經網路的鋼鐵質量缺陷溯源
    11.5  基於強化學習的熱軋生產調度優化
  第12章  工業知識圖譜典型案例
    12.1  基於工業知識圖譜的企業需求知識服務
      12.1.1  需求結構化過程
      12.1.2  需求分析
      12.1.3  知識探索
      12.1.4  需求規範化
    12.2  基於工業知識圖譜的鋼鐵產線設備故障診斷
      12.2.1  故障診斷知識圖譜構建
      12.2.2  基於工業知識圖譜的故障診斷系統
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032