工業數據智能：方法、技術與應用

第1章 工業數據智能概述
1.1 國家智能制造戰略
1.1.1 戰略背景
1.1.2 核心內容與目標
1.1.3 制造業中的“新質生產力”
1.2 工業大數據與人工智能
1.2.1 工業大數據的特點
1.2.2 人工智能的關鍵要素
1.2.3 工業應用中的核心人工智能技術
1.3 工業大數據賦能智能制造
1.4 開啟工業智能的新篇章
1.5 本章小結
參考文獻
第2章 工業數據智能建模與分析流程
2.1 數據預處理
2.1.1 缺失值處理
2.1.2 離群點處理
2.1.3 數據噪聲處理
2.1.4 數據標準化
2.2 特征工程
2.2.1 特征提取
2.2.2 特征選擇
2.3 模型選擇
2.4 模型驗證與評估
2.5 模型部署
2.6 本章小結
參考文獻
第3章 工業時序數據建模分析方法
3.1 工業時序數據概述
3.2 工業時序數據建模方法
3.2.1 降維方法
3.2.2 混合模型
3.2.3 概率圖模型
3.2.4 決策樹模型
3.2.5 支持向量機
3.2.6 神經網絡模型
3.3 應用案例：工業過程智能監測
3.3.1 田納西-伊斯曼化工過程異常檢測與溯源
3.3.2 合成氨高低溫變換單元一氧化碳含量在線監測
3.4 本章小結
參考文獻
第4章 工業圖像數據建模分析方法
4.1 工業圖像數據概述
4.2 工業圖像數據建模方法
4.2.1 傳統圖像處理方法
4.2.2 卷積神經網絡
4.2.3 有監督深度學習檢測方法
4.2.4 無監督深度學習檢測方法
4.3 應用案例：工業產品表面缺陷檢測
4.3.1 業務背景
4.3.2 案例介紹
4.3.3 基於頻率增強標準流技術的產品表面缺陷檢測
4.4 本章小結
參考文獻
第5章 工業文本數據建模分析方法
5.1 工業文本數據概述
5.2 工業文本數據建模方法
5.2.1 詞向量
5.2.2 命名實體識別
5.2.3 知識圖譜
5.3 應用案例：工業知識圖譜智慧運維管理
5.3.1 業務背景
5.3.2 案例介紹
5.3.3 基於GPBP技術的綜合管廊運維知識圖譜構建與應用
5.4 本章小結
參考文獻
第6章 工業多源異構數據建模分析方法
6.1 工業多源異構數據概述
6.2 工業多源異構數據建模方法
6.2.1 基於階段的數據融合方法
6.2.2 基於特征的數據融合方法
6.2.3 基於語義的數據融合方法
6.3 應用案例：工業多源異構信息融合與實時感知
6.3.1 業務背景
6.3.2 案例介紹
6.3.3 基於多特征融合技術的燒結工業FeO實時預測
6.4 本章小結
參考文獻
第7章 工業虛實數據協同建模分析方法
7.1 工業數據增強方法
7.1.1 數據變換操作的數據增強方法
7.1.2 基於采樣的數據增強方法
7.1.3 基於深度生成模型的數據增強方法
7.2 工業虛實數據協同建模方法
7.2.1 生成數據選擇
7.2.2 可靠性權重
7.2.3 虛實權重
7.3 應用案例：工業關鍵設備在線診斷
7.3.1 業務背景
7.3.2 案例介紹
7.3.3 基於域適應GAN的軸承在線故障診斷
7.4 本章小結
參考文獻
第8章 工業數據隱私保護與安全防禦建模方法
8.1 工業數據隱私與安全防禦分析
8.1.1 工業互聯網安全挑戰
8.1.2 安全性測試方法
8.1.3 工業系統安全防禦框架
8.2 工業安全可信數據建模方法
8.2.1 魯棒訓練
8.2.2 梯度遮蔽
8.2.3 正則化
8.3 應用案例：工業模型安全性評測
8.3.1 業務背景
8.3.2 案例介紹
8.3.3 基於對抗攻擊和防禦的數據驅動診斷模型安全性驗證
8.4 本章小結
參考文獻