封面
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
1.1.1 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
工业互联网的本质是“数据创造智慧”
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
更新时间：2024-12-27 23:15:51
完结共121章
倒序