[PDF] 数据驱动的工业人工智能:建模方法与应用电子书

数据驱动的工业人工智能:建模方法与应用

作者：任磊

页数：236

出版社：机械工业出版社

出版日期：2024

ISBN：9787111749738

高清校对版pdf（带目录）

前往页尾底部查看PDF电子书

内容简介

本书从工业大数据分析所面临的实际应用问题和工业AI模型的构建方法两条内容主线，介绍数据驱动的工业智能，使得理论与应用实践深度融合；将工业AI模型的建模思路结合到理论方法的介绍中，使得读者能够掌握其中思考问题的方法和过程，做到“授人以渔”。在数据驱动的工业AI模型开发的介绍中既注重对理论知识的介绍，也将各章节知识点串联起来形成一个立体、完整的工业AI数据分析系统，提升读者对工业智能和工业大数据分析的宏观思维。
本书可作为工业界企业技术专家、IT系统研发人员、学术界智能制造、人工智能、工业互联网、数据科学等领域研究者的参考书，也可以作为高等院校计算机、自动化、机械等相关专业工业人工智能课程的教材，同时还可作为工业领域新一代人工智能、深度学习、区块链爱好者、开发者的自学教材或参考书。

作者简介

任磊，北京航空航天大学自动化学院教授、软件学院教授，工业互联网领域首个国家杰出青年基金获得者

本书特色

本书集创新理论研究与应用落地实践于一体，为智能制造领域从业者、研究人员以及对工业人工智能充满好奇的各界读者提供了一份全面而深入的指南。
深入剖析了工业人工智能各类典型应用场景的难点问题，系统阐述了数据驱动的各类新型建模方法，并且提供了大量丰富的工业实践案例

序
前言
第1章新一代人工智能与智能制造
11新一代人工智能发展背景
12智能制造的新发展
13数据驱动的工业人工智能
第2章基础理论知识
21工业AI模型应用流程概述
22常用深度学习技术
221卷积神经网络
222循环神经网络
223自动编码器
224受限玻尔兹曼机
225基于注意力机制的神经网络
226图神经网络
第3章工业时间序列信息表征建模方法
31概述
32工业时序多通道信息表征建模方法
321多通道时序注意力网络
322工业时序高精度预测方法
33工业时序多尺度信息表征建模方法
331多尺度密集门控循环单元网络
332基于MDGRU网络的分析流程
34工业时序多层级时频域信息表征建模方法
341多层级小波分解网络
342基于多层级小波分解的时间序列外部回归网络
35工业时序多层次信息表征建模方法
351多层次信息表征网络
352基于Auto-CNN-LSTM网络的分析流程
36工业时序时空耦合信息表征建模方法
361时空耦合信息网络整体结构
362时空耦合信息表征网络
37典型应用案例
371基于MCTAN的飞机发动机剩余使用寿命预测
372基于Auto-CNN-LSTM的锂电池剩余使用寿命预测
第4章工业低质数据增强表征建模方法
41概述
42无标签数据增强表征建模方法
421基于半监督并行DeepFM的无标签数据预测方法
422基于小波数据增强的无标签数据预测方法
43非均衡数据增强表征建模方法
431工业数据隐式扩充方法
432面向非均衡工业数据的标签解构多输入智能处理架构
44缺失数据增强表征建模方法
441面向低质数据的缺失特征自动补全方法
442基于两阶段预训练的缺失特征表征方法
45典型应用案例
451基于SS-PDeepFM的泡沫浮选产品质量预测(无标签)
452基于LM-CNN的轴承故障诊断(不平衡、零样本)
第5章工业多源异质数据深层融合建模方法
51概述
52工业异质关联数据融合建模方法
521基于深度-宽度-序列(WDS)网络架构的工业数据异质特征融合范式
522基于注意力机制的工业多特征融合表征建模方法
53工业多源高维度数据融合建模方法
531张量及其操作
532针对

PDF更新中