中图网

>

一般工业技术

工业大数据与知识图谱

作者：王坚，戴毅茹，凌卫青

出版社：清华大学出版社出版时间：2023-09-01

开本：其他页数： 224

本类榜单：工业技术销量榜

中图价:¥82.6(7.0折) 定价 ~~¥118.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
湖南省志(1978-2002)?铁路志

湖南省志(1978-2002)?铁路志

¥70.6¥98
>
公路车宝典(ZINN的公路车维修与保养秘籍)

公路车宝典(ZINN的公路车维修与保养秘籍)

¥69.6¥120
>
晶体管电路设计(下)

晶体管电路设计(下)

¥28.6¥38
>
基于个性化设计策略的智能交通系统关键技术

基于个性化设计策略的智能交通系统关键技术

¥48.6¥68
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移

德国克虏伯与晚清火:贸易与仿制模式下的技术转移

¥21.8¥65
>
花样百出:贵州少数民族图案填色

花样百出:贵州少数民族图案填色

¥19.1¥45
>
识木:全球220种木材图鉴

识木:全球220种木材图鉴

¥159.6¥228

商品详情
商品评论(0条)

中图价:¥82.6 加入购物车

版权信息
本书特色
内容简介
目录

工业大数据与知识图谱版权信息

ISBN：9787302637684
条形码：9787302637684 ; 978-7-302-63768-4
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
工业技术
>
一般工业技术

工业大数据与知识图谱本书特色

n 从“人机物互联”到“人机物融合”
n 从“数据资产”到“知识资产”
n 从“机器计算”到“机器学习”

工业大数据与知识图谱内容简介

工业大数据分析与知识图谱作为人工智能领域的核心技术，已经成为当前学术研究和工程应用的焦点，受到越来越多的关注。本书从技术和实践的角度，为读者阐述工业大数据分析和知识图谱的核心技术及其实践应用。本书内容分为三篇。**篇以物联网数据为基础，围绕工业大数据技术的“虚实融合”的CPS核心内容，开展数据治理、数据分析、数据平台的相关阐述，揭示数据驱动的生产系统优化模式；第二篇以人(社会网)机(互联网)物(物联网)数据为基础，围绕人工智能优选技术即知识图谱，探讨知识发现、知识图谱构建、知识服务、工业智能制造及知识服务平台等核心关键技术，为企业向智能制造的转型升级提供知识驱动的智慧共享的创新模式；第三篇基于前两篇的关键技术创新，开展重点行业、重点领域的典型场景应用，围绕钢铁、民用航空、电气等国民经济支柱行业，聚焦节能潜力分析、设备健康管理及预测性维护、知识组织管理等重点领域，开展应用实践工作。本书可以作为计算机科学、电子与信息工程、控制科学与工程等学科的教学与科研用书，以及企业技术人员的参考书。

工业大数据与知识图谱目录

**篇工业大数据：使机器更“聪明” 第1章工业大数据概述 1.1工业大数据的产生背景及发展历程 1.1.1工业大数据的产生背景 1.1.2工业大数据的发展历程 1.2工业大数据的概念与内涵 1.2.1工业大数据的概念 1.2.2工业大数据的特征 1.2.3工业大数据的组成 1.2.4工业大数据的典型应用场景 1.3工业大数据发展现状及面临的挑战 1.3.1工业大数据发展现状 1.3.2工业大数据面临的挑战 1.3.3工业大数据的发展趋势 1.4工业大数据与工业互联网第2章工业大数据体系架构及技术布局 2.1工业互联网体系架构 2.1.1应用参考架构 2.1.2平台参考架构 2.2工业大数据技术布局 2.2.1工业大数据技术的特点 2.2.2工业大数据技术发展趋势第3章工业大数据治理 3.1工业大数据治理产生的背景 3.2工业大数据治理的概念 3.2.1大数据治理的概念 3.2.2大数据治理框架 3.2.3工业大数据治理的概念 3.3基于语义网的工业大数据治理 3.3.1本体论 3.3.2语义网 3.3.3关键技术 3.4基于知识图谱的工业大数据治理 3.4.1工业大数据与知识图谱 3.4.2工业大数据环境下的知识图谱构建第4章工业大数据分析技术 4.1工业大数据分析技术概述 4.2工业大数据分析主要技术 4.2.1传统机器学习方法 4.2.2深度学习方法第二篇知识图谱：使机器更“有学识” 第5章知识图谱概述 5.1知识图谱的定义与分类 5.1.1知识图谱的定义 5.1.2知识图谱的分类 5.2知识图谱的作用与意义 5.3知识图谱的研究进展 5.3.1知识图谱的研究现状 5.3.2知识图谱的发展趋势第6章知识图谱体系架构及技术布局 6.1知识图谱体系架构 6.2知识图谱技术布局 6.2.1知识发现 6.2.2知识建模 6.2.3知识推理第7章数据驱动的知识发现 7.1数据驱动的知识发现概述 7.1.1数据驱动的知识发现内涵 7.1.2数据驱动的知识发现过程 7.1.3工业大数据与商业大数据知识发现区别 7.2数据驱动的知识发现主要方法 7.2.1基于关联集成进化的多元回归变量选择方法 7.2.2基于改进多项式的非线性变量选择 7.2.3基于工业大数据的特征提取第8章知识图谱建模 8.1基于本体的知识建模 8.1.1基于本体的知识建模框架 8.1.2基于本体的知识建模技术 8.2知识抽取 8.2.1结构化数据抽取 8.2.2半结构化与非结构化数据抽取 8.3知识表达 8.3.1知识表达方法 8.3.2知识表达准则 8.3.3基于钢铁高附加值产品生产流程知识表达 8.4知识融合 8.4.1知识融合技术 8.4.2人机物本体知识融合第9章知识推理 9.1知识推理基本方法 9.1.1知识推理方法概述 9.1.2基于贝叶斯网络的知识推理方法 9.2面向知识图谱的知识推理 9.2.1基于符号规则的知识图谱推理 9.2.2基于表示学习的知识图谱推理第10章知识服务 10.1知识服务概述 10.1.1知识服务定义 10.1.2知识服务模式 10.2知识服务参考体系 10.3基于知识图谱的知识服务架构 10.4知识推荐 10.4.1推荐算法 10.4.2基于内容的推荐算法第三篇应用实践第11章工业大数据典型案例 11.1钢铁加热炉能耗预测及节能潜力分析 11.1.1基于语义网的数据集成 11.1.2基于深度学习的能耗预测模型构建 11.1.3余热锅炉大数据节能潜力分析 11.2基于工业大数据的设备健康管理 11.2.1基于DBN算法的设备健康评估 11.2.2基于大数据技术的风电设备故障预测 11.3钢铁热轧流程工艺知识推荐 11.4基于图神经网络的钢铁质量缺陷溯源 11.5基于强化学习的热轧生产调度优化第12章工业知识图谱典型案例 12.1基于工业知识图谱的企业需求知识服务 12.1.1需求结构化过程 12.1.2需求分析 12.1.3知识探索 12.1.4需求规范化 12.2基于工业知识图谱的钢铁产线设备故障诊断 12.2.1故障诊断知识图谱构建 12.2.2基于工业知识图谱的故障诊断系统参考文献

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐