|
| 內容簡介： |
本书旨在展示如何运用机器学习算法解决现实世界中的行业问题，清晰地描述了如何通过工业物联网架构实现数据管理;对机器学习的关键技术进行了全面概述，并介绍了一些关键领域知识及如何改进算法来推动第四次工业革命的发展。
本书的作者佩德罗·拉腊尼亚加博士和孔查·别尔萨博士为马德里理工大学计算机科学与人工智能方向的终身教授，是计算智能研究组的联合负责人。佩德罗·拉腊尼亚加博士为计算机技术领域的资深专家，曾是西班牙科学创新部计算机技术领域的专家。他们的研究方向涵盖了概率图模型、元启发式算法、生物信息学、神经科学、工业4.0和体育等应用领域。戴维·阿蒂恩萨、哈维尔·迪亚兹·罗索和卡洛斯·普埃尔托·桑塔纳为马德里理工大学的博士生。阿尔韦托·奥格贝奇曾在西班牙德勤咨询公司担任高级顾问。
本书涵盖了组件级案例———轴承剩余使用寿命预测，机器级案例———工业电机指纹识别，生产级案例———激光自动视觉检测，分销级案例———空运延误预测。书中研究分析了四个层级案例，对致力于现实世界中行业问题的研究者具有重要的指导意义。本书适用于计算机学科及信息管理学科的本科生、研究生教学;亦可作为各级管理机构人员进行信息决策的参考资料。
本书分为两部分:前3章精炼地介绍了相关理论知识，使读者熟知机器学习中的主要理论与数学基础知识;后4章从行业化的四个层级分别介绍了具体的案例研究方法。
|
| 內容試閱：
|
机器学习已成为人工智能的一部分，可运用相应的软件系统构建模型，为优化决策提供切实可行的指导意见。这些决策可运用于诊断、预测性维护、状态监测、资产健康管理等行业领域。
本书旨在展示如何运用机器学习算法解决现实行业问题，以推动第四次工业革命的发展并提供所需的知识和工具，使读者能够在坚实的理论和实践基础上建立自己的解决方案。本书共分为7章。第1章讨论了第四次工业革命的现状、机遇、趋势、问题和挑战。第2章重点介绍了机器学习的基本原理，涵盖了最常用的技术和算法，具有数学基础知识的读者较易理解。聚类、监督分类、贝叶斯网络及其动态场景建模是本章重点讨论的内容。第3章综述了机器学习在富时罗素行业分类系统中的成功应用。后4章详细介绍了四个研究案例，将行业智能化逐层地划分为组件级、机器级、生产级和分销级四个抽象级别。第4章讨论了如何运用隐马尔可夫模型预测真实滚珠轴承剩余使用寿命，数据集来源于美国电气与电子工程师学会(IEEE)2012故障诊断与系统健康管理数据挑战赛。第5章论述了机床轴伺服电机方面的案例，数据集由Aingura-IIoT和Xilinx公司的工业物联网联盟测试台提供。为了寻求有效的伺服电机指纹识别方法，案例对凝聚层次聚类、k 均值、谱聚类、近邻传播和高斯混合模型等聚类算法进行了比较分析。第6章详细分析了一个动态贝叶斯网络模型的具体应用案例，对激光表面热处理过程中的图像进行分析，构建了一套自动视觉检测系统。实验的真实数据集由西班牙制造公司Etxe-Tar的研发部门Ikergune A.I.E.负责收集。第7章阐述了如何将机器学习应用于分销行业。真实数据由Cargo iQ 集团提供，其中包含了来自于多条同步运输线路上的空运数据，采用了多种监督分类模型解决此类问题，如k 近邻、分类树、规则归纳、人工神经网络、支持向量机、逻辑回归、贝叶斯网络分类器和元分类器。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
