展开全部

主编推荐语

全面介绍工业大数据分析和知识图谱的核心技术及应用。

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。

第一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,围绕人工智能先进技术即知识图谱,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。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第一篇 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
  • 1.2 工业大数据的概念与内涵
  • 1.3 工业大数据发展现状及面临的挑战
  • 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
  • 2.2 工业大数据技术布局
  • 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
  • 3.3 基于语义网的工业大数据治理
  • 3.4 基于知识图谱的工业大数据治理
  • 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
  • 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
  • 5.2 知识图谱的作用与意义
  • 5.3 知识图谱的研究进展
  • 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
  • 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
  • 7.2 数据驱动的知识发现主要方法
  • 第8章 知识图谱建模
  • 8.1 基于本体的知识建模
  • 8.2 知识抽取
  • 8.3 知识表达
  • 8.4 知识融合
  • 第9章 知识推理
  • 9.1 知识推理基本方法
  • 9.2 面向知识图谱的知识推理
  • 第10章 知识服务
  • 10.1 知识服务概述
  • 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
  • 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
  • 11.2 基于工业大数据的设备健康管理
  • 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
  • 12.2 基于工业知识图谱的钢铁产线设备故障诊断
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月,是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府,秉承清华人“自强不息,厚德载物”的人文精神,清华大学出版社在短短二十多年的时间里,迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向,把出版高等学校教学用书和科技图书作为主要任务,并为促进学术交流、繁荣出版事业设立了多项出版基金,逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色,在教育出版领域树立了强势品牌。