Архитектура интеграции больших данных промышленности и ключевые технологии
Цена: 1 152руб. (¥54.5)
Артикул: 623428333115
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:当当网官方旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥174.943 697руб.
¥33698руб.
¥100.22 118руб.
¥107.32 268руб.
......
Глава 1 Введение 1
1.1 Промышленность 4.0 1
1.1.1 История развития 1
1.1.2 Принцип проектирования 2
1.1.3 Модель зрелости 4
1.2 Система информационной физики 5
1.2.1 Этап разработки 5
1.2.2 Архитектура 5
1.2.3 Ключевые технологии 8
1.3 Большие данные 13
1.3.1 Определение больших данных 13
1.3.2 Проблемы, связанные с большими данными 16
1.3.3 Технология больших данных 21
1.3.4 Управление большими данными 44
Глава 2 Объединение данных промышленной беспроводной сенсорной сети 53
2.1 Введение 53
2.1.1 Индустрия 4.0 и умная фабрика 53
2.1.2 Облако датчиков 57
2.1.3 Промышленная беспроводная сенсорная сеть и облако сенсоров 59
2.2 Архитектура объединения данных 65
2.2.1 Унифицированный механизм описания и управления гетерогенными данными из нескольких источников 65
2.2.2 Промышленная беспроводная сенсорная сеть на основе сенсорной технологии 70
2.3 Программное обеспечение для восприятия и управления данными на базе распределенного облака 92
2.3.1 Функциональное описание 92
2.3.2 Проектирование и реализация 93
2.3.3 Типичные сценарии применения 102
2.3.4 Операционная среда и процесс установки 102
2.3.5 Инструкция по применению 106
Глава 3 Механизм сбора данных для Индустрии 4.0 110
3.1 Введение 110
3.2 Вопросы размещения объектов 113
3.2.1 Обзор вопросов размещения объектов 113
3.2.2 задача о средней точке 114
3.3 Механизм управления виртуальными датчиками с низкими издержками 115
3.3.1 планировщик ресурсов 116
3.3.2 Алгоритм прогрессивного обмена 125
3.3.3 Жадный алгоритм 127
3.3.4 Алгоритм РК 129
3.4. Эксперимент и анализ 131
3.4.1 Настройки параметров 131
3.4.2 Результаты и анализ 132
Глава 4 Прогнозирование отказов и прогнозирование качества данных промышленных процессов 140
4.1 Введение 140
4.2 Сопутствующая работа и базовые знания 141
4.3 Модель прогнозирования на основе регрессии гауссовского процесса 144
4.3.1 Модель одношагового прогнозирования 144
4.3.2 Многоэтапное прогнозирование на основе временных рядов 147
4.3.3 Базовая модель и модель обратной связи, основанные на регрессии гауссовского процесса 148
4.4. Эксперимент и анализ 148
4.4.1 Платформа моделирования TE 148
4.4.2 Сравнительный эксперимент 149
4.4.3 Показатели оценки 151
4.4.4. Построение экспериментальной ядерной функции 151
4.4.5 Результаты и анализ 152
Глава 5. Обнаружение аномалий закономерностей в данных временных рядов 163
5.1 Введение 163
5.2 Сопутствующая работа 166
5.3Определение 170
5.4 Метод обнаружения аномалий представления скелетных структур 171
5.4.1 Представление скелета, основанное на заметных важных точках 171
5.4.2 Представление шаблонов 174
5.4.3 Обнаружение аномалий на основе представления скелетной структуры 175
5.5 Эксперимент и анализ 177
5.5.1 Показатели эффективности 177
5.5.2 Эксперименты на наборах синтетических данных 178
5.5.3 Эксперименты на реальных наборах данных 185
Глава 6. Обнаружение выбросов в данных временных рядов 190
6.1 Введение 190
6.2 Обзор технологии обнаружения выбросов 193
6.2.1 Общие методы обнаружения выбросов 193
6.2.2 Изолированный лес 196
6.2.3 Коэффициент локального выброса 198
6.3 Схема изоляции на основе набора ближайших соседей 200
6.3.1 Постановка задачи 200
6.3.2 Изоляция на основе набора ближайших соседей 202
6.3.3 Модель распределенного обнаружения для беспроводных сенсорных сетей 205
6.4. Эксперимент и анализ 210
6.4.1 Набор данных 211
6.4.2 Показатели эффективности 213
6.4.3 Результаты и анализ 214
Глава 7. Резюме и перспективы 225
Ссылка 231
Сравнительная таблица основных сокращений 263
......В этой книге изучаются архитектура интеграции и ключевые технологии промышленных больших данных. Основываясь на анализе Индустрии 4.0, Интернета вещей и облачных вычислений, он рассматривает большие данные с трех аспектов: определение, технологии и управление, а также предоставляет архитектуру для исследований и применения промышленной интеграции больших данных. Для конкретных сценариев применения в сфере промышленного производства полностью изучены технологии сбора, обнаружения и обнаружения данных, объяснены плюсы и минусы существующих методов, проанализированы существующие проблемы и предложен ряд инновационных решений.......—&-Поставить фото автора——Гао Цун, мужчина, родился в ноябре 1985 года, имеет степень бакалавра компьютерных наук и технологий Сианьского университета электронных наук и технологий, степень магистра и доктора архитектуры компьютерных систем. С декабря 2015 года преподает в Школе компьютерных наук Сианьского университета почты и телекоммуникаций.Его основными направлениями исследований являются: восприятие и объединение данных, периферийные вычисления и беспроводные сенсорные сети.
За последние пять лет он руководил одним проектом международного научно-технического сотрудничества Департамента науки и технологий провинции Шэньси, одним исследовательским проектом в области коммуникационных мягких наук Министерства промышленности и информационных технологий и одним специальным научно-исследовательским проектом в области естественных наук Департамента образования провинции Шэньси.В качестве первого автора он опубликовал 12 статей на английском языке, в том числе 5, проиндексированных SCI, 5, проиндексированных EI, и 1, проиндексированных CPCI-S. Он опубликовал 2 академические монографии, получил 2 национальных патентных разрешения на изобретения, зарегистрировал 9 авторских прав на программное обеспечение и опубликовал 3 соответствующих научных отчета в этой области исследований.