工業(yè)大數(shù)據(jù)與知識圖譜

第一篇工業(yè)大數(shù)據(jù)： 使機器更“聰明”
第1章工業(yè)大數(shù)據(jù)概述
1.1工業(yè)大數(shù)據(jù)的產(chǎn)生背景及發(fā)展歷程
1.1.1工業(yè)大數(shù)據(jù)的產(chǎn)生背景
1.1.2工業(yè)大數(shù)據(jù)的發(fā)展歷程
1.2工業(yè)大數(shù)據(jù)的概念與內(nèi)涵
1.2.1工業(yè)大數(shù)據(jù)的概念
1.2.2工業(yè)大數(shù)據(jù)的特征
1.2.3工業(yè)大數(shù)據(jù)的組成
1.2.4工業(yè)大數(shù)據(jù)的典型應用場景
1.3工業(yè)大數(shù)據(jù)發(fā)展現(xiàn)狀及面臨的挑戰(zhàn)
1.3.1工業(yè)大數(shù)據(jù)發(fā)展現(xiàn)狀
1.3.2工業(yè)大數(shù)據(jù)面臨的挑戰(zhàn)
1.3.3工業(yè)大數(shù)據(jù)的發(fā)展趨勢
1.4工業(yè)大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)
第2章工業(yè)大數(shù)據(jù)體系架構及技術布局
2.1工業(yè)互聯(lián)網(wǎng)體系架構
2.1.1應用參考架構
2.1.2平臺參考架構
2.2工業(yè)大數(shù)據(jù)技術布局
2.2.1工業(yè)大數(shù)據(jù)技術的特點
2.2.2工業(yè)大數(shù)據(jù)技術發(fā)展趨勢
第3章工業(yè)大數(shù)據(jù)治理
3.1工業(yè)大數(shù)據(jù)治理產(chǎn)生的背景
3.2工業(yè)大數(shù)據(jù)治理的概念
3.2.1大數(shù)據(jù)治理的概念
3.2.2大數(shù)據(jù)治理框架
3.2.3工業(yè)大數(shù)據(jù)治理的概念
3.3基于語義網(wǎng)的工業(yè)大數(shù)據(jù)治理
3.3.1本體論
3.3.2語義網(wǎng)
3.3.3關鍵技術
3.4基于知識圖譜的工業(yè)大數(shù)據(jù)治理
3.4.1工業(yè)大數(shù)據(jù)與知識圖譜
3.4.2工業(yè)大數(shù)據(jù)環(huán)境下的知識圖譜構建
第4章工業(yè)大數(shù)據(jù)分析技術
4.1工業(yè)大數(shù)據(jù)分析技術概述
4.2工業(yè)大數(shù)據(jù)分析主要技術
4.2.1傳統(tǒng)機器學習方法
4.2.2深度學習方法
第二篇知識圖譜： 使機器更“有學識”
第5章知識圖譜概述
5.1知識圖譜的定義與分類
5.1.1知識圖譜的定義
5.1.2知識圖譜的分類
5.2知識圖譜的作用與意義
5.3知識圖譜的研究進展
5.3.1知識圖譜的研究現(xiàn)狀
5.3.2知識圖譜的發(fā)展趨勢
第6章知識圖譜體系架構及技術布局
6.1知識圖譜體系架構
6.2知識圖譜技術布局
6.2.1知識發(fā)現(xiàn)
6.2.2知識建模
6.2.3知識推理
第7章數(shù)據(jù)驅(qū)動的知識發(fā)現(xiàn)
7.1數(shù)據(jù)驅(qū)動的知識發(fā)現(xiàn)概述
7.1.1數(shù)據(jù)驅(qū)動的知識發(fā)現(xiàn)內(nèi)涵
7.1.2數(shù)據(jù)驅(qū)動的知識發(fā)現(xiàn)過程
7.1.3工業(yè)大數(shù)據(jù)與商業(yè)大數(shù)據(jù)知識發(fā)現(xiàn)區(qū)別
7.2數(shù)據(jù)驅(qū)動的知識發(fā)現(xiàn)主要方法
7.2.1基于關聯(lián)集成進化的多元回歸變量選擇方法
7.2.2基于改進多項式的非線性變量選擇
7.2.3基于工業(yè)大數(shù)據(jù)的特征提取
第8章知識圖譜建模
8.1基于本體的知識建模
8.1.1基于本體的知識建?？蚣?br />8.1.2基于本體的知識建模技術
8.2知識抽取
8.2.1結(jié)構化數(shù)據(jù)抽取
8.2.2半結(jié)構化與非結(jié)構化數(shù)據(jù)抽取
8.3知識表達
8.3.1知識表達方法
8.3.2知識表達準則
8.3.3基于鋼鐵高附加值產(chǎn)品生產(chǎn)流程知識表達
8.4知識融合
8.4.1知識融合技術
8.4.2人機物本體知識融合
第9章知識推理
9.1知識推理基本方法
9.1.1知識推理方法概述
9.1.2基于貝葉斯網(wǎng)絡的知識推理方法
9.2面向知識圖譜的知識推理
9.2.1基于符號規(guī)則的知識圖譜推理
9.2.2基于表示學習的知識圖譜推理
第10章知識服務
10.1知識服務概述
10.1.1知識服務定義
10.1.2知識服務模式
10.2知識服務參考體系
10.3基于知識圖譜的知識服務架構
10.4知識推薦
10.4.1推薦算法
10.4.2基于內(nèi)容的推薦算法
第三篇應 用 實 踐
第11章工業(yè)大數(shù)據(jù)典型案例
11.1鋼鐵加熱爐能耗預測及節(jié)能潛力分析
11.1.1基于語義網(wǎng)的數(shù)據(jù)集成
11.1.2基于深度學習的能耗預測模型構建
11.1.3余熱鍋爐大數(shù)據(jù)節(jié)能潛力分析
11.2基于工業(yè)大數(shù)據(jù)的設備健康管理
11.2.1基于DBN算法的設備健康評估
11.2.2基于大數(shù)據(jù)技術的風電設備故障預測
11.3鋼鐵熱軋流程工藝知識推薦
11.4基于圖神經(jīng)網(wǎng)絡的鋼鐵質(zhì)量缺陷溯源
11.5基于強化學習的熱軋生產(chǎn)調(diào)度優(yōu)化
第12章工業(yè)知識圖譜典型案例
12.1基于工業(yè)知識圖譜的企業(yè)需求知識服務
12.1.1需求結(jié)構化過程
12.1.2需求分析
12.1.3知識探索
12.1.4需求規(guī)范化
12.2基于工業(yè)知識圖譜的鋼鐵產(chǎn)線設備故障診斷
12.2.1故障診斷知識圖譜構建
12.2.2基于工業(yè)知識圖譜的故障診斷系統(tǒng)
參考文獻