人工智能與智能製造：概念與方法 Artificial Intelligence in Manufacturing: Concepts and Methods

Masoud Soroush，Richard D.Braatz 譯 吳通//程勝//王德營

人工智能與智能製造：概念與方法

簡體書新到貨｜2書75折 (9/8-9/14) 詳見活動內容 »

商品描述

本書系統介紹和詮釋了將人工智能技術應用於工程問題的最新成功方法。人工智能正越來越多地應用於製造業，並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製造業中的優勢。     本書討論了在製造業中廣泛實施人工智能技術所面臨的挑戰，並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，為製造業的升級引入了新的思維方式。

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。主要從事製造業、納米材料、聚合物和能源系統等多領域研究，曾獲多項國家級學術榮譽。

目錄大綱

序一
序二
前言
第1章 機器學習方法
1.1 引言
1.2 學習模型的全局視角
1.3 學習技術的分類
1.4 機器學習方法
1.5 結論
致謝
參考文獻
第2章 從資料中學習第一原理知識
2.1 引言
2.2 分析製造業資料的方法
2.3 模型選擇與超參數搜尋的自動化
2.4 結論
參考文獻
第3章 捲積神經網絡：基本概念及其在製造業的應用
3.1 引言
3.2 資料對象與數學表徵
3.3 捲積神經網絡架構
3.4 個案研究
3.5 結論
致謝
參考文獻
第4章 稀疏數學規劃及其在控制方程式基礎學習的應用
4.1 引言
4.2 問題定義
4.3 物理資訊化機器學習
4.4 基於迴歸的方法
4.5 基於數學規劃的技術
4.6 滾動時域在間歇化學過程的應用實例
4.7 結論
參考文獻
第5章 數據驅動的最佳化演算法
5.1 引言
5.2 數據驅動的最佳化演算法途徑
5.3 應用於大規模製造系統的數據驅動的最佳化演算法
5.4 針對其他問題類別的擴展
5.5 備註
5.6 結論
參考文獻
第6章 機器學習在（生物）化學製造系統控制的應用
6.1 引言
6.2 （生物）化學過程
6.3 ML-Oracle與機器學習方法概述
6.4 機器學習支援的建模在監督與控制的應用
6.5 透過機器學習實現控制
6.6 結論
參考文獻
第7章 從資料中學習第一原理系統知識：穩定性與安全性及其在示範學習中的應用
7.1 引言
7.2 使用動態系統原語學習機器人運動
7.3 結論
致謝
參考文獻
第8章 人工智能在材料損傷診斷與預測的應用
8.1 引言
8.2 人工智能方法在材料損傷診斷與預測的應用
8.3 人工智能方法在損傷診斷與預測領域的挑戰與機會
8.4 結論
參考文獻
第9章 人工智能在機械加工過程監控的應用
9.1 引言
9.2 數據採集系統
9.3 特徵工程與機器學習
9.4 訊號分解法
9.5 深度學習
9.6 遷移學習
9.7 結論
致謝
參考文獻

類似商品