相關商品
商品簡介
作者簡介
目次
商品簡介
本書共分3篇。第1篇（第1～4章）為智能製造模式，介紹了智能製造模式及AI技術在智能製造中的作用，主要內容為智能製造概述、大規模個性化定制、智能化生產、智能運維與維保。第2篇（第5～8章）為人工智能技術，介紹人工智能及相關技術，主要從人工智能概述、機器學習、深度學習、人工智能開發框架這四個方面對人工智能技術及核心算法進行介紹。第3篇（第9～12章）為工業智能應用，重點介紹了工業智能在客戶數據挖掘與個人畫像、機器視覺與人連識別、預測性維修、調度優化方面的應用等領域涉及的技術及應用案例。
作者簡介
鄭樹泉，上海計算機軟件技術開發中心嵌入式工程中心副主任，上海產業技術研究院工程大數據服務創新中心主任，高級工程師。獲得4項相關專利，其中含發明專利二項，合作發表相關論文六篇，獲得上海科技進步三等獎。研究了德國的工業4.0戰略、美國的工業互聯網戰略及中國製造2025戰略，作為“智能工廠通用技術標準試驗驗證”及“智能製造工業雲、大數據標準試驗驗證”二個標準的專家組成員參與了七個標準的起草工作。提出了工業大數據參考架構。是中國信標委工業大數據工作組“工業大數據白皮書”主要起草人員之一，聯合上海市政工程設計院橋樑所聯合開發了橋樑健康監測及養護平臺等多個工業大數據應用。
目次
第1篇智能製造1第1章智能製造概述/3
1.1智能製造定義及關鍵技術/3
1.1.1智能製造定義與構成要素/3
1.1.2智能製造系統的關鍵技術/5
1.2智能製造發展三個階段/8
1.2.1數字化製造/8
1.2.2數字化網絡化製造/9
1.2.3智能化製造/9
1.3智能製造模式/10
1.3.1大規模個性化定制/10
1.3.2智能化生產/11
1.3.3網絡化協同/13
1.3.4服務化延伸/14
1.4工業大數據/15
1.4.1生命週期與價值流/16
1.4.2企業縱向層級/17
1.4.3IT價值鏈/19
1.5工業雲平臺/20
1.5.1工業雲平臺架構/21
1.5.2國內外主要工業雲平臺/21
1.6工業智能/23
1.6.1新一代人工智能/23
1.6.2智能製造技術機理/25
1.6.3人工智能在工業領域的應用/27
參考文獻/28第2章大規模個性化定制/30
2.1大規模個性化定制的架構/31
2.1.1企業縱向層/32
2.1.2產品生命週期層/32
2.1.3IT價值鏈層/32
2.2大規模個性化定制的模式和流程/32
2.2.1以客戶為中心的大規模個性化定制模式/32
2.2.2大規模個性化定制流程/33
2.3大規模個性化定制系統/35
2.3.1接口層/36
2.3.2需求分析層/37
2.3.3ERP層/37
2.3.4MES層/39
2.3.5SFC層/40
2.3.6設備層/41
2.4大規模個性化定制的相關技術/42
2.4.1智能交互技術/42
2.4.2需求分配智能建模技術/45
2.4.3智能工序調整技術/47
2.5應用案例/49
2.5.1紅領集團西服個性化定制業務/49
2.5.2維尚家具全流程信息化及大規模數碼化定制服務/51
2.5.3“大信櫥櫃”的訂單生產、快速響應和零庫存管理/53
2.5.4海爾集團基於個性化定制服務架構/55
參考文獻/58第3章智能化生產/59
3.1智能化生產的架構及評估模型/59
3.1.1智能化生產參考架構/59
3.1.2智能製造能力成熟度評估/62
3.1.3智能製造與兩化融合/66
3.2離散工業中的智能化生產/66
3.2.1智能化生產系統架構/66
3.2.2生產設備網絡化/66
3.2.3生產過程透明化/67
3.2.4生產數據可視化/68
3.2.5智能化經營/69
3.2.6生產現場無人化/69
3.2.7智能化產品/69
3.3流程工業中的智能化生產/69
3.3.1實時感知/70
3.3.2機理分析/70
3.3.3模型預測/70
3.3.4協同優化/70
3.3.5全面統籌/70
3.4應用案例/71
3.4.1西航集團智能製造/71
3.4.2九江石化智能工廠/73
3.4.3寶鋼基於協同的智能製造/76
3.4.4富士康(武漢)基於工業互聯網的智能製造/77
參考文獻/80第4章智能運維與服務/81
4.1智能運維與服務體系/82
4.1.1智能運維系統/83
4.1.2智能服務/84
4.2技術基礎/87
4.2.1邊緣計算/87
4.2.2信息物理系統/89
4.2.3工業雲/92
4.2.4人工智能/94
4.3應用案例/95
4.3.1海爾中央空調工業互聯網雲服務平臺――海爾網器產品智能雲服務/95
4.3.2中聯重科智能運維與服務體系/96
4.3.3西奧電梯“北斗星”智能服務系統――梯網互聯/98
4.3.4威派格智聯供水設備遠程數據采集與預測性維護/100
4.3.5Oglass AR智能眼鏡――汽車後市場新寵/101
參考文獻/102
第2篇人工智能103第5章人工智能概述/105
5.1人工智能的概念、特徵與框架/106
5.1.1人工智能的概念/106
5.1.2人工智能的特徵/107
5.1.3人工智能參考框架/108
5.2人工智能的關鍵技術/110
5.2.1機器學習/110
5.2.2知識圖譜/111
5.2.3自然語言處理/111
5.2.4人機交互/111
5.2.5計算機視覺/111
5.2.6生物特徵識別/112
5.2.7虛擬現實/增強現實/112
5.3人工智能產業鏈/113
5.3.1基礎層/113
5.3.2技術層/116
5.3.3應用層/116
5.4人工智能應用/117
5.4.1安防/117
5.4.2交通/117
5.4.3智慧城市/118
5.4.4智能製造/119
5.4.5醫療、教育、金融/119
參考文獻/123第6章機器學習/124
6.1機器學習的定義和分類/124
6.1.1機器學習的定義/124
6.1.2機器學習的分類/125
6.2機器學習的算法/126
6.2.1kNN算法/126
6.2.2聚類分析/128
6.2.3決策樹/132
6.2.4隨機森林/133
6.2.5支持向量機/135
6.3應用案例/139
6.3.1高速列車智能駕駛/139
6.3.2銀行設備故障告警/142
6.3.3區域電力需求預測/146
參考文獻/148第7章深度學習/149
7.1深度學習的發展歷程/150
7.2深度學習特徵提取/151
7.2.1人腦視覺機理/151
7.2.2初級(淺層)特徵表示/152
7.3神經網絡與深度學習/153
7.3.1淺層學習/153
7.3.2深度學習基本思想/153
7.3.3深度學習的優勢/154
7.4深度學習訓練過程/155
7.4.1傳統神經網絡缺點/155
7.4.2深度網絡訓練/155
7.5深度學習模型/156
7.5.1自動編碼器/156
7.5.2稀疏編碼/157
7.5.3限制波爾茲曼機/159
7.5.4深度信念網絡/160
7.5.5卷積神經網絡/161
7.6應用案例/163
7.6.1感應電動機故障診斷/163
7.6.2交互式問答客服/166
7.6.3搜索廣告點擊率預測/168
7.6.4電影票房預測/170
7.6.5工件缺陷自動檢測/171
參考文獻/173第8章人工智能開發框架/174
8.1人工智能主流開發框架概述/175
8.1.1TensorFlow/175
8.1.2Keras/176
8.1.3CNTK/178
8.1.4Caffe/180
8.1.5MXNet/182
8.1.6Torch/185
8.2TensorFlow詳細介紹/186
8.2.1TensorFlow架構圖/186
8.2.2TensorFlow基本概念/187
8.2.3TensorFlow中的模型/188
8.2.4深度學習模型在TensorFlow中的體現/190
8.3應用案例/190
8.3.1MNIST手寫數字識別/190
8.3.2CIFAR10圖像識別/192
8.3.3IMDb電影評論情感分析/194
8.3.4基於漢語依存句法的主觀題評分系統/196
8.3.5基於推薦算法的智慧餐飲系統/199
參考文獻/201
第3篇工業智能應用203第9章用戶畫像/205
9.1用戶畫像的發展背景及意義/206
9.1.1發展背景/206
9.1.2發展意義/206
9.2用戶畫像的體系結構/207
9.2.1用戶畫像的定義/207
9.2.2用戶畫像體系的建立/208
9.2.3標簽體系/208
9.3用戶畫像的實現流程/210
9.3.1基礎數據采集及處理/210
9.3.2分析建模/212
9.3.3結果呈現/213
9.4應用案例/213
9.4.1文本數據挖掘/213
9.4.2微博用戶畫像/215
9.4.3基於內容的新聞推薦/217
9.4.4電網客戶用戶畫像/217
9.4.5影視數據用戶畫像/219
參考文獻/221第10章機器視覺/222
10.1機器視覺的系統組成及圖像處理流程/223
10.1.1系統組成/223
10.1.2圖像處理流程/223
10.2機器視覺相關算法/225
10.2.1圖像處理/225
10.2.2特徵提取/228
10.2.3圖像分析與分類/234
10.3機器視覺應用於人臉識別/235
10.3.1人臉識別概述/235
10.3.2人臉識別應用/236
10.3.3人臉識別算法/237
10.4機器視覺應用於工業領域/238
10.4.1應用概述/238
10.4.2工業視覺系統基本組成/239
10.5應用案例/240
10.5.1基於深度學習的人臉識別/240
10.5.2基於機器視覺的PCB裸板缺陷自動檢測方法/242
10.5.3基於機器視覺的帶鋼表面缺陷檢測/244
參考文獻/245第11章調度優化/246
11.1調度理論的發展/246
11.2調度主要方法/247
11.2.1數學規劃/247
11.2.2啟發式搜索/248
11.2.3系統仿真/248
11.2.4人工智能/248
11.2.5計算智能/249
11.2.6實時智能/250
11.3調度主要算法/250
11.3.1有序搜索/250
11.3.2遺傳算法/250
11.3.3模擬退火/252
11.4應用案例/254
11.4.1雲製造系統調度――振華重工製造業流動機械智能調度管理平臺研發及應用/254
11.4.2公交調度――Z公交集團啤酒節期間智能公交調度策略/259
11.4.3物流配送調度――餓了麼“方舟”智能調度系統/262
11.4.4輔助駕駛/264
參考文獻/266第12章預測性維護/268
12.1預測性維護概念、架構及系統流程/268
12.1.1概念/268
12.1.2平臺架構/269
12.1.3系統流程/270
12.2預測性維護技術/271
12.2.1技術基礎/271
12.2.2傳感技術/271
12.2.3狀態監測/271
12.2.4數據傳輸/272
12.2.5故障診斷/272
12.2.6故障預測/273
12.2.7維護管理/273
12.2.8維護決策/274
12.3預測性維護中的預測模型/274
12.3.1時序模型/274
12.3.2灰色預測模型/275
12.3.3神經網絡預測模型/275
12.4應用案例/276
12.4.1刀具磨損預測/276
12.4.2地鐵信號設備故障預測/279
12.4.3風機葉片結冰預測/281
12.4.4橋樑保養維護/282
12.4.5電梯故障維護/283
參考文獻/285
1.1智能製造定義及關鍵技術/3
1.1.1智能製造定義與構成要素/3
1.1.2智能製造系統的關鍵技術/5
1.2智能製造發展三個階段/8
1.2.1數字化製造/8
1.2.2數字化網絡化製造/9
1.2.3智能化製造/9
1.3智能製造模式/10
1.3.1大規模個性化定制/10
1.3.2智能化生產/11
1.3.3網絡化協同/13
1.3.4服務化延伸/14
1.4工業大數據/15
1.4.1生命週期與價值流/16
1.4.2企業縱向層級/17
1.4.3IT價值鏈/19
1.5工業雲平臺/20
1.5.1工業雲平臺架構/21
1.5.2國內外主要工業雲平臺/21
1.6工業智能/23
1.6.1新一代人工智能/23
1.6.2智能製造技術機理/25
1.6.3人工智能在工業領域的應用/27
參考文獻/28第2章大規模個性化定制/30
2.1大規模個性化定制的架構/31
2.1.1企業縱向層/32
2.1.2產品生命週期層/32
2.1.3IT價值鏈層/32
2.2大規模個性化定制的模式和流程/32
2.2.1以客戶為中心的大規模個性化定制模式/32
2.2.2大規模個性化定制流程/33
2.3大規模個性化定制系統/35
2.3.1接口層/36
2.3.2需求分析層/37
2.3.3ERP層/37
2.3.4MES層/39
2.3.5SFC層/40
2.3.6設備層/41
2.4大規模個性化定制的相關技術/42
2.4.1智能交互技術/42
2.4.2需求分配智能建模技術/45
2.4.3智能工序調整技術/47
2.5應用案例/49
2.5.1紅領集團西服個性化定制業務/49
2.5.2維尚家具全流程信息化及大規模數碼化定制服務/51
2.5.3“大信櫥櫃”的訂單生產、快速響應和零庫存管理/53
2.5.4海爾集團基於個性化定制服務架構/55
參考文獻/58第3章智能化生產/59
3.1智能化生產的架構及評估模型/59
3.1.1智能化生產參考架構/59
3.1.2智能製造能力成熟度評估/62
3.1.3智能製造與兩化融合/66
3.2離散工業中的智能化生產/66
3.2.1智能化生產系統架構/66
3.2.2生產設備網絡化/66
3.2.3生產過程透明化/67
3.2.4生產數據可視化/68
3.2.5智能化經營/69
3.2.6生產現場無人化/69
3.2.7智能化產品/69
3.3流程工業中的智能化生產/69
3.3.1實時感知/70
3.3.2機理分析/70
3.3.3模型預測/70
3.3.4協同優化/70
3.3.5全面統籌/70
3.4應用案例/71
3.4.1西航集團智能製造/71
3.4.2九江石化智能工廠/73
3.4.3寶鋼基於協同的智能製造/76
3.4.4富士康(武漢)基於工業互聯網的智能製造/77
參考文獻/80第4章智能運維與服務/81
4.1智能運維與服務體系/82
4.1.1智能運維系統/83
4.1.2智能服務/84
4.2技術基礎/87
4.2.1邊緣計算/87
4.2.2信息物理系統/89
4.2.3工業雲/92
4.2.4人工智能/94
4.3應用案例/95
4.3.1海爾中央空調工業互聯網雲服務平臺――海爾網器產品智能雲服務/95
4.3.2中聯重科智能運維與服務體系/96
4.3.3西奧電梯“北斗星”智能服務系統――梯網互聯/98
4.3.4威派格智聯供水設備遠程數據采集與預測性維護/100
4.3.5Oglass AR智能眼鏡――汽車後市場新寵/101
參考文獻/102
第2篇人工智能103第5章人工智能概述/105
5.1人工智能的概念、特徵與框架/106
5.1.1人工智能的概念/106
5.1.2人工智能的特徵/107
5.1.3人工智能參考框架/108
5.2人工智能的關鍵技術/110
5.2.1機器學習/110
5.2.2知識圖譜/111
5.2.3自然語言處理/111
5.2.4人機交互/111
5.2.5計算機視覺/111
5.2.6生物特徵識別/112
5.2.7虛擬現實/增強現實/112
5.3人工智能產業鏈/113
5.3.1基礎層/113
5.3.2技術層/116
5.3.3應用層/116
5.4人工智能應用/117
5.4.1安防/117
5.4.2交通/117
5.4.3智慧城市/118
5.4.4智能製造/119
5.4.5醫療、教育、金融/119
參考文獻/123第6章機器學習/124
6.1機器學習的定義和分類/124
6.1.1機器學習的定義/124
6.1.2機器學習的分類/125
6.2機器學習的算法/126
6.2.1kNN算法/126
6.2.2聚類分析/128
6.2.3決策樹/132
6.2.4隨機森林/133
6.2.5支持向量機/135
6.3應用案例/139
6.3.1高速列車智能駕駛/139
6.3.2銀行設備故障告警/142
6.3.3區域電力需求預測/146
參考文獻/148第7章深度學習/149
7.1深度學習的發展歷程/150
7.2深度學習特徵提取/151
7.2.1人腦視覺機理/151
7.2.2初級(淺層)特徵表示/152
7.3神經網絡與深度學習/153
7.3.1淺層學習/153
7.3.2深度學習基本思想/153
7.3.3深度學習的優勢/154
7.4深度學習訓練過程/155
7.4.1傳統神經網絡缺點/155
7.4.2深度網絡訓練/155
7.5深度學習模型/156
7.5.1自動編碼器/156
7.5.2稀疏編碼/157
7.5.3限制波爾茲曼機/159
7.5.4深度信念網絡/160
7.5.5卷積神經網絡/161
7.6應用案例/163
7.6.1感應電動機故障診斷/163
7.6.2交互式問答客服/166
7.6.3搜索廣告點擊率預測/168
7.6.4電影票房預測/170
7.6.5工件缺陷自動檢測/171
參考文獻/173第8章人工智能開發框架/174
8.1人工智能主流開發框架概述/175
8.1.1TensorFlow/175
8.1.2Keras/176
8.1.3CNTK/178
8.1.4Caffe/180
8.1.5MXNet/182
8.1.6Torch/185
8.2TensorFlow詳細介紹/186
8.2.1TensorFlow架構圖/186
8.2.2TensorFlow基本概念/187
8.2.3TensorFlow中的模型/188
8.2.4深度學習模型在TensorFlow中的體現/190
8.3應用案例/190
8.3.1MNIST手寫數字識別/190
8.3.2CIFAR10圖像識別/192
8.3.3IMDb電影評論情感分析/194
8.3.4基於漢語依存句法的主觀題評分系統/196
8.3.5基於推薦算法的智慧餐飲系統/199
參考文獻/201
第3篇工業智能應用203第9章用戶畫像/205
9.1用戶畫像的發展背景及意義/206
9.1.1發展背景/206
9.1.2發展意義/206
9.2用戶畫像的體系結構/207
9.2.1用戶畫像的定義/207
9.2.2用戶畫像體系的建立/208
9.2.3標簽體系/208
9.3用戶畫像的實現流程/210
9.3.1基礎數據采集及處理/210
9.3.2分析建模/212
9.3.3結果呈現/213
9.4應用案例/213
9.4.1文本數據挖掘/213
9.4.2微博用戶畫像/215
9.4.3基於內容的新聞推薦/217
9.4.4電網客戶用戶畫像/217
9.4.5影視數據用戶畫像/219
參考文獻/221第10章機器視覺/222
10.1機器視覺的系統組成及圖像處理流程/223
10.1.1系統組成/223
10.1.2圖像處理流程/223
10.2機器視覺相關算法/225
10.2.1圖像處理/225
10.2.2特徵提取/228
10.2.3圖像分析與分類/234
10.3機器視覺應用於人臉識別/235
10.3.1人臉識別概述/235
10.3.2人臉識別應用/236
10.3.3人臉識別算法/237
10.4機器視覺應用於工業領域/238
10.4.1應用概述/238
10.4.2工業視覺系統基本組成/239
10.5應用案例/240
10.5.1基於深度學習的人臉識別/240
10.5.2基於機器視覺的PCB裸板缺陷自動檢測方法/242
10.5.3基於機器視覺的帶鋼表面缺陷檢測/244
參考文獻/245第11章調度優化/246
11.1調度理論的發展/246
11.2調度主要方法/247
11.2.1數學規劃/247
11.2.2啟發式搜索/248
11.2.3系統仿真/248
11.2.4人工智能/248
11.2.5計算智能/249
11.2.6實時智能/250
11.3調度主要算法/250
11.3.1有序搜索/250
11.3.2遺傳算法/250
11.3.3模擬退火/252
11.4應用案例/254
11.4.1雲製造系統調度――振華重工製造業流動機械智能調度管理平臺研發及應用/254
11.4.2公交調度――Z公交集團啤酒節期間智能公交調度策略/259
11.4.3物流配送調度――餓了麼“方舟”智能調度系統/262
11.4.4輔助駕駛/264
參考文獻/266第12章預測性維護/268
12.1預測性維護概念、架構及系統流程/268
12.1.1概念/268
12.1.2平臺架構/269
12.1.3系統流程/270
12.2預測性維護技術/271
12.2.1技術基礎/271
12.2.2傳感技術/271
12.2.3狀態監測/271
12.2.4數據傳輸/272
12.2.5故障診斷/272
12.2.6故障預測/273
12.2.7維護管理/273
12.2.8維護決策/274
12.3預測性維護中的預測模型/274
12.3.1時序模型/274
12.3.2灰色預測模型/275
12.3.3神經網絡預測模型/275
12.4應用案例/276
12.4.1刀具磨損預測/276
12.4.2地鐵信號設備故障預測/279
12.4.3風機葉片結冰預測/281
12.4.4橋樑保養維護/282
12.4.5電梯故障維護/283
參考文獻/285
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。