*數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為實際資訊。 印行年月:202311*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:製造業大數據的建模與分析 ISBN:9787030769749 出版社:科學 著編譯者:王宏志 張樺 丁小歐 戴國駿 頁數:244 所在地:中國大陸 *此為代購商品 書號:1594792 可大量預訂,請先連絡。 內容簡介 本書針對當前我國製造業大數據分析的需求,歸納出製造業大數據分析的三個科學問題,即完備分析、質量保障和高效實時。本書圍繞這三個核心的科學問題系統地介紹了製造業大數據分析模型、製造業大數據清洗技術、製造業大數據分析演算法、製造業大數據分析支撐技術,以及面向製造業知識圖譜的構建與應用等內容。 本書介紹的模型和演算法是針對製造業大數據的特點和製造業大數據分析任務的特點而提出的,具備一定的通用性。本書可作為高等院校數據科學與大數據技術專業、智能製造專業本科生教材,也可作為計算機科學與技術等專業的研究生教材,還可作為科研機構在智能製造、大數據分析等方面的培訓教材或參考書。目錄 第1章 緒論1 1 製造業大數據的定義與特徵 1 2 製造業大數據的應用現狀 1 3 大數據分析的基礎研究現狀 1 4 製造業大數據分析技術路線 1 4 1 製造業大數據分析模型研究的技術路線 1 4 2 製造業大數據質量分析與清洗研究的技術路線 1 4 3 製造業大數據分析演算法研究的技術路線 1 4 4 製造業大數據分析結果回饋研究的技術路線 1 5 本書內容概述 1 5 1 四個主要模塊 1 5 2 本書解決問題的意義和價值 第2章 製造業大數據分析模型 2 1 製造業大數據分析場景和分析模型需求 2 2 製造業大數據自動分析系統 2 2 1 製造業大數據自動分析系統的設計 2 2 2 製造業大數據分析模型的實現 2 3 面嚮應用的大數據分析模型 2 3 1 多變數調優的LSTM時間序列預測模型 2 3 2 基於遷移學習的風功率預測模型 2 3 3 基於遷移學習的風功率預測多模型集成方法 2 3 4 基於神經網路的銷量預測模型 第3章 製造業大數據清洗技術 3 1 基於對抗神經網路的複雜時間序列修復 3 2 時間序列缺失值填充演算法 3 2 1 問題定義 3 2 2 時間序列缺失值填充演算法描述 3 2 3 演算法的收斂性證明 3 2 4 時間序列的缺失值填充演算法實驗 3 3 時間序列異常值檢測與修復演算法 3 3 1 問題定義 3 3 2 基於速度約束解決時間序列異常值檢測與修復 3 3 3 基於方差約束解決時間序列異常值檢測與修復 3 3 4 時間序列的異常值檢測與清洗演算法實驗 3 4 時間序列時間戳錯亂問題修復演算法 3 4 1 時間序列亂序問題的更新演算法 3 4 2 基於時間約束的時間戳清洗演算法 3 4 3 時間序列的時間戳修復演算法實驗 第4章 製造業大數據分析演算法 4 1 基於條件隨機場的複雜時間序列分析演算法 4 1 1 基於條件隨機場與Stacking的複雜時間序列趨勢預測 4 1 2 利用條件隨機場解決複雜時間序列修復問題 4 2 近似時間序列匹配并行化演算法SFSC 4 2 1 時間序列的近似化表示 4 2 2 SFSC_MR演算法的總體設計 4 2 3 SFSC_MR演算法的具體設計 4 2 4 SFSC_MR演算法的分析 4 2 5 SFSC_MR演算法的實驗結果 4 2 6 并行化演算法的擴展 4 3 基於并行深度學習的工業時序大數據高效分類演算法 4 3 1 精確分類工業大數據時間序列的深度學習 4 3 2 適應工業時序大數據實時性的高效深度學習 4 4 基於遷移學習和終身學習的故障預測演算法 4 4 1 基於遷移學習的預測 4 4 2 基於終身學習的預測 第5章 製造業大數據分析支撐技術 5 1 特徵選擇技術 5 1 1 基於softmax的集成特徵選擇演算法 5 1 2 基於遺傳演算法的集成特徵選擇方法 5 2 數據源選擇技術 5 3 計算平台優化技術 5 3 1 面向製造業大數據的并行系統優化方法 5 3 2 基於HDFS的高效文件訪問技術研究 5 3 3 分散式分析中迭代優化策略 第6章 面向製造業的知識圖譜 6 1 製造業知識圖譜構建 6 1 1 研究背景與意義 6 1 2 定量知識抽取 6 1 3 事理知識抽取 6 2 製造業知識圖譜清洗技術 6 3 製造業知識圖譜查詢技術 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |