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

工業人工智慧基礎與應用(普通高等院校人工智慧類精品教材)

  • 作者：編者:張永//丁珈//周磊//鄭秀娟|責編:楊賽君
  • 出版社：華中科技大學
  • ISBN：9787577229171
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：265
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統闡述了人工智慧的關鍵分析演算法及其工業領域的典型應用，強調理論與實踐的結合，提供了豐富的實際工業案例，包括軸承和齒輪旋轉設備的故障診斷、鋰電池剩餘使用壽命預測、生產參數優化和調度優化、工業產品缺陷檢測等，展示了演算法的應用流程。此外，本書提供了從演算法原理到工業實踐的系統化技術體系，並通過引入低代碼分析平台，為讀者提供簡單實用的分析工具，便於讀者快速掌握實戰技術、提升工程實踐能力。
    本書可作為機械、電氣、自動化、機器人等相關專業本科生和研究生的教材與參考書，也可供從事工業人工智慧研發與應用的工程技術人員學習參考。
作者介紹
編者:張永//丁珈//周磊//鄭秀娟|責編:楊賽君
目錄
第1章 導論
  1.1 人工智慧發展的歷史
    1.1.1 符號主義(1950—1980年)：邏輯推理與知識驅動
    1.1.2 連接主義(1980—2010年)：神經網路的沉浮與統計學習崛起
    1.1.3 行為主義(1990—2010年)：感知-行動與強化學習
    1.1.4 深度學習復興(2012年至今)：數據與算力驅動的範式革命
    1.1.5 工業人工智慧
  1.2 工業數據感知與預處理
    1.2.1 工業數據特點
    1.2.2 工業數據採集
    1.2.3 工業數據預處理
    1.2.4 多模態工業數據融合
  1.3 工業人工智慧
    1.3.1 工業人工智慧典型技術
    1.3.2 工業人工智慧分析流程
    1.3.3 工業人工智慧分析模型評價
  1.4 工業人工智慧分析模型低代碼平台
    1.4.1 低代碼平台的基本功能
    1.4.2 基於低代碼平台的演算法模型構建流程
    1.4.3 低代碼平台的分析優化
  1.5 小結
  習題
  參考文獻
第2章 分類
  2.1 引言
  2.2 支持向量機
    2.2.1 支持向量機介紹
    2.2.2 支持向量機分類案例：滾動軸承故障診斷
    2.2.3 支持向量機診斷結果分析
    2.2.4 支持向量機模型總結
  2.3 BP神經網路
    2.3.1 BP神經網路原理介紹
    2.3.2 BP神經網路分類案例：齒輪箱故障診斷
    2.3.3 BP神經網路診斷結果分析
    2.3.4 BP神經網路模型總結
  2.4 卷積神經網路
    2.4.1 卷積神經網路介紹
    2.4.2 卷積神經網路分類案例：晶圓表面缺陷檢測
    2.4.3 卷積神經網路識別結果分析
    2.4.4 卷積神經網路模型總結
  2.5 YOLO系列
    2.5.1 YOLO系列介紹
    2.5.2 YOLO分類案例：安全帽佩戴檢測
    2.5.3 YOLO檢測結果分析
    2.5.4 YOLO模型總結
  2.6 小結
  習題
  參考文獻
第3章 聚類
  3.1 引言

  3.2 劃分式聚類
    3.2.1 K-means聚類基本原理
    3.2.2 K-means聚類案例：光纖生產參數相關性分析
    3.2.3 K-means聚類結果分析
    3.2.4 K-means聚類演算法總結
  3.3 層次聚類
    3.3.1 層次聚類基本原理
    3.3.2 層次聚類案例：新能源汽車工況分類
    3.3.3 層次聚類結果分析
    3.3.4 層次聚類演算法總結
  3.4 密度聚類
    3.4.1 密度聚類基本原理
    3.4.2 密度聚類案例：電機導瓦溫度異常檢測
    3.4.3 密度聚類結果分析
    3.4.4 密度聚類演算法總結
  3.5 譜聚類
    3.5.1 譜聚類基本原理
    3.5.2 譜聚類案例：航空發動機數據分類
    3.5.3 譜聚類結果分析
    3.5.4 譜聚類演算法總結
  3.6 小結
  習題
  參考文獻
第4章 回歸
  4.1 引言
  4.2 線性回歸
    4.2.1 線性回歸基本原理
    4.2.2 線性回歸案例：鋰離子電池剩餘使用壽命預測
    4.2.3 線性回歸結果分析
    4.2.4 線性回歸演算法總結
  4.3 決策樹回歸
    4.3.1 決策樹回歸原理介紹
    4.3.2 決策樹回歸案例：航空發動機結構件工藝質量預測
    4.3.3 決策樹回歸結果分析
    4.3.4 決策樹回歸演算法總結
  4.4 KNN回歸
    4.4.1 KNN回歸原理介紹
    4.4.2 KNN回歸案例：工業蒸汽量預測
    4.4.3 KNN回歸結果分析
    4.4.4 KNN回歸演算法總結
  4.5 Transformer回歸
    4.5.1 Transformer回歸原理介紹
    4.5.2 Transformer回歸案例：刀具剩餘使用壽命預測
    4.5.3 Transformer回歸結果分析
    4.5.4 Transformer回歸演算法總結
  4.6 小結
  習題
  參考文獻
第5章 優化
  5.1 引言

  5.2 梯度下降優化演算法
    5.2.1 梯度下降優化演算法介紹
    5.2.2 梯度下降優化演算法案例：薄膜晶體管液晶顯示器生產參數優化
    5.2.3 梯度下降優化結果分析
    5.2.4 梯度下降優化演算法總結
  5.3 粒子群優化演算法
    5.3.1 粒子群優化演算法介紹
    5.3.2 粒子群優化演算法案例：異煙酸生產工藝參數優化
    5.3.3 粒子群優化結果分析
    5.3.4 粒子群優化演算法總結
  5.4 遺傳演算法
    5.4.1 遺傳演算法介紹
    5.4.2 遺傳演算法案例：柔性車間調度優化
    5.4.3 遺傳演算法優化結果分析
    5.4.4 遺傳演算法總結
  5.5 強化學習演算法
    5.5.1 強化學習演算法介紹
    5.5.2 強化學習演算法案例：鋰離子電池存儲能源套利
    5.5.3 強化學習優化結果分析
    5.5.4 強化學習演算法總結
  5.6 小結
  習題
  參考文獻
第6章 大模型
  6.1 引言
  6.2 大模型核心概念
    6.2.1 NLP技術
    6.2.2 Transformer架構
    6.2.3 大語言模型
    6.2.4 提示詞工程
    6.2.5 大模型微調
  6.3 檢索增強生成(RAG)
    6.3.1 RAG的基本概念
    6.3.2 RAG案例1：電機智能運維決策系統
    6.3.3 RAG案例2：燃氣輪機智能維護系統
    6.3.4 RAG案例3：航空裝備售后智能大模型服務系統
    6.3.5 RAG應用分析
  6.4 智能體(Agent)
    6.4.1 Agent基本概念
    6.4.2 Agent案例1：智能數據分析Agent
    6.4.3 Agent案例2：智能故障診斷Agent
    6.4.4 Agent應用分析
  6.5 小結
  習題
  參考文獻
第7章 部署
  7.1 前言
  7.2 工業設備故障診斷模型部署
    7.2.1 工業設備故障診斷模型構建
    7.2.2 工業設備故障診斷模型軟硬體加速

    7.2.3 工業設備故障診斷實驗驗證與功能測試
  7.3 移動機器人的高速視覺圖像處理模型部署
    7.3.1 機器人圖像處理模型構建
    7.3.2 機器人圖像處理模型軟硬體加速
    7.3.3 機器人圖像處理實驗驗證與功能測試
  7.4 工業產品缺陷檢測模型部署
    7.4.1 工業產品缺陷檢測模型構建
    7.4.2 工業產品缺陷檢測模型軟硬體加速
    7.4.3 工業產品缺陷檢測系統設計
    7.4.4 工業產品缺陷檢測實驗與功能測試
  7.5 基於推理一體機的大模型部署
    7.5.1 推理一體機概念
    7.5.2 推理一體機整體架構
    7.5.3 推理一體機模型部署
  7.6 小結
  習題
  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