工業大數據與知識圖譜
王堅，戴毅茹，凌衛青
- 出版商: 清華大學
- 出版日期: 2023-09-01
- 定價: $708
- 售價: 8.5 折 $602
- 語言: 簡體中文
- 頁數: 210
- 裝訂: 平裝
- ISBN: 7302637687
- ISBN-13: 9787302637684
-
相關分類:
大數據 Big-data
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
基於 BERT 模型的自然語言處理實戰$828$787 -
深度學習的 16 堂課：CNN + RNN + GAN + DQN + DRL, 看得懂、學得會、做得出！ (Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence)$620$490 -
生成對抗網路最精解：用 TensorFlow 實作最棒的 GAN 應用 (書況有些許瑕疵,不介意在下單)$980$774 -
從零構建知識圖譜 : 技術、方法與案例$594$564 -
工業級知識圖譜：方法與實踐$708$673 -
機器學習 公式推導與代碼實現$599$569 -
打好 AI 的基礎：一探機器學習底層數學運作$880$695 -
深度學習： 邁向 Meta Learning$880$748 -
$806知識圖譜：認知智能理論與實戰 -
BERT 基礎教程：Transformer 大模型實戰$539$512 -
機器學習最強入門 - 基礎數學／機率／統計邁向AI真實數據專題實作 - 王者歸來$980$774 -
ChatGPT 開發手冊 - 用 OpenAI API ‧ LangChain ‧ Embeddings 設計 Plugin、LINE/Discord bot、股票分析與客服自動化助理$750$593 -
多語言情感分析及其應用$408$388 -
面向深度學習和大數據的軌道交通軸承故障智能診斷方法$354$336 -
14天自造量子電腦 (Python版)$539$512 -
TensorFlow 機器學習實用指南$714$678 -
預測模型實戰：基於R、SPSS和Stata$708$673 -
深度學習框架及系統部署實戰（微課視頻版）$209$199 -
$301機器學習的算法分析和實踐 -
艾博士：深入淺出人工智能$539$512
相關主題
商品描述
工業大數據分析與知識圖譜作為人工智能領域的核心技術，已經成為當前學術研究和工程應用的焦點，受到越來越多的關註。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、數據平臺的相關闡述，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，圍繞人工智能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臺等核心關鍵技術，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。
目錄大綱
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佈局
2.1工業互聯網體系架構
2.1.1應用參考架構
2.1.2平臺參考架構
2.2工業大數據技術佈局
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佈局
6.1知識圖譜體系架構
6.2知識圖譜技術佈局
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量選擇方法
7.2.2基於改進多項式的非線性變量選擇
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基於貝葉斯網絡的知識推理方法
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推薦算法
10.4.2基於內容的推薦算法
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基於圖神經網絡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
