掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能與智能制造:概念與方法 版權信息
- ISBN：9787111765912
- 條形碼：9787111765912 ; 978-7-111-76591-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能與智能制造:概念與方法 本書特色
人工智能于制造業應用的前沿著作：
2024年同步美國出版；
全彩印刷，豐富示意圖，更易理解；
美國國家工程院院士 麻省理工學院教授領銜編著；
中國工程院院士 秦山核電（二期）工程總設計師 葉奇蓁
中國工程院院士 中國探月工程（四期）總設計師 于登云 作序推薦；
核能與航天領域一線專家精心編譯。
本書對從事制造業的工程師、管理人員和咨詢師，以及在高等教育機構和國家實驗室從事制造領域研究的博士后、博士研究生和其他研究人員皆具有參考價值。本書是了解制造領域中人工智能概念和方法進展的重要參考資料。
人工智能與智能制造:概念與方法 內容簡介
本書系統介紹和詮釋了將人工智能技術應用于工程問題的*新成功方法。人工智能正越來越多地應用于制造業，并以新的方式創造產品，這為我們理解世界的方式提供了更多見解。本書通過借鑒領先研究人員成功開發的方法，闡釋了人工智能技術應用在制造業中的優勢。 本書討論了在制造業中廣泛實施人工智能技術所面臨的挑戰，并提供了詳細技術指南。為了應對跨學科挑戰，本書借鑒了計算機科學、物理學和一系列工程學科的研究成果，為制造業的升級引入了新的思維方式。
人工智能與智能制造:概念與方法 目錄
序一
序二
前言
第1章 機器學習方法 1
1.1 引言 1
1.2 學習模型的全局視角 2
1.3 學習技術的分類 8
1.4 機器學習方法 14
1.5 結論 23
致謝 24
參考文獻 24
第2章 從數據中學習**性原理知識 29
2.1 引言 29
2.2 分析制造業數據的方法 30
2.3 模型選擇與超參數搜索的自動化 41
2.4 結論 44
參考文獻 45
第3章 卷積神經網絡：基本概念及其在制造業中的應用 48
3.1 引言 48
3.2 數據對象與數學表征 50
3.3 卷積神經網絡架構 54
3.4 案例研究 59
3.5 結論 74
致謝 75
參考文獻 75
第4章 稀疏數學規劃及其在控制方程基礎學習中的應用 81
4.1 引言 81
4.2 問題定義 82
4.3 物理信息化機器學習 85
4.4 基于回歸的方法 88
4.5 基于數學規劃的技術 92
4.6 滾動時域在間歇化學過程的應用實例 97
4.7 結論 102
參考文獻 102
第5章 數據驅動的優化算法 105
5.1 引言 105
5.2 數據驅動的優化算法途徑 106
5.3 應用于大規模制造系統的數據驅動的優化算法 116
5.4 針對其他問題類別的擴展 117
5.5 備注 126
5.6 結論 127
參考文獻 127
第6章 機器學習在（生物）化學制造系統控制中的應用 144
6.1 引言 144
6.2 （生物）化學過程 146
6.3 ML-Oracle與機器學習方法概述 153
6.4 機器學習支持的建模在監督和控制中的應用 164
6.5 通過機器學習實現控制 172
6.6 結論 178
參考文獻 180
第7章 從數據中學習**性原理系統知識：穩定性與安全性及其在示范學習中的應用 192
7.1 引言 192
7.2 使用動態系統原語學習機器人運動 197
7.3 結論 206
致謝 208
參考文獻 208
第8章 人工智能在材料損傷診斷和預測中的應用 212
8.1 引言 212
8.2 人工智能方法在材料損傷診斷和預測中的應用 215
8.3 人工智能方法在損傷診斷和預測領域的挑戰與機遇 235
8.4 結論 236
參考文獻 237
第9章 人工智能在機械加工過程監控中的應用 245
9.1 引言 245
9.2 數據采集系統 248
9.3 特征工程與機器學習 251
9.4 信號分解方法 264
9.5 深度學習 266
9.6 遷移學習 270
9.7 結論 273
致謝 273
參考文獻 274
序二
前言
第1章 機器學習方法 1
1.1 引言 1
1.2 學習模型的全局視角 2
1.3 學習技術的分類 8
1.4 機器學習方法 14
1.5 結論 23
致謝 24
參考文獻 24
第2章 從數據中學習**性原理知識 29
2.1 引言 29
2.2 分析制造業數據的方法 30
2.3 模型選擇與超參數搜索的自動化 41
2.4 結論 44
參考文獻 45
第3章 卷積神經網絡：基本概念及其在制造業中的應用 48
3.1 引言 48
3.2 數據對象與數學表征 50
3.3 卷積神經網絡架構 54
3.4 案例研究 59
3.5 結論 74
致謝 75
參考文獻 75
第4章 稀疏數學規劃及其在控制方程基礎學習中的應用 81
4.1 引言 81
4.2 問題定義 82
4.3 物理信息化機器學習 85
4.4 基于回歸的方法 88
4.5 基于數學規劃的技術 92
4.6 滾動時域在間歇化學過程的應用實例 97
4.7 結論 102
參考文獻 102
第5章 數據驅動的優化算法 105
5.1 引言 105
5.2 數據驅動的優化算法途徑 106
5.3 應用于大規模制造系統的數據驅動的優化算法 116
5.4 針對其他問題類別的擴展 117
5.5 備注 126
5.6 結論 127
參考文獻 127
第6章 機器學習在（生物）化學制造系統控制中的應用 144
6.1 引言 144
6.2 （生物）化學過程 146
6.3 ML-Oracle與機器學習方法概述 153
6.4 機器學習支持的建模在監督和控制中的應用 164
6.5 通過機器學習實現控制 172
6.6 結論 178
參考文獻 180
第7章 從數據中學習**性原理系統知識：穩定性與安全性及其在示范學習中的應用 192
7.1 引言 192
7.2 使用動態系統原語學習機器人運動 197
7.3 結論 206
致謝 208
參考文獻 208
第8章 人工智能在材料損傷診斷和預測中的應用 212
8.1 引言 212
8.2 人工智能方法在材料損傷診斷和預測中的應用 215
8.3 人工智能方法在損傷診斷和預測領域的挑戰與機遇 235
8.4 結論 236
參考文獻 237
第9章 人工智能在機械加工過程監控中的應用 245
9.1 引言 245
9.2 數據采集系統 248
9.3 特征工程與機器學習 251
9.4 信號分解方法 264
9.5 深度學習 266
9.6 遷移學習 270
9.7 結論 273
致謝 273
參考文獻 274
展開全部
人工智能與智能制造:概念與方法 作者簡介
馬蘇德·索魯什 （Masoud Soroush）博士，德雷克塞爾大學化學工程系教授，IEEE高級會員。主要從事制造業、納米材料、聚合物和能源系統等多領域研究，曾獲多項國家學術榮譽。
理查德·D.布拉茨（Richard D. Braatz）博士，美國國家工程院院士，麻省理工學院Edwin R. Gilliland教授，主要從事先進制造系統的數據分析、設計及控制等相關研究。
書友推薦
- >
唐代進士錄
- >
經典常談
- >
我與地壇
- >
朝聞道
- >
自卑與超越
- >
伯納黛特,你要去哪(2021新版)
- >
巴金－再思錄
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
