Введение в промышленный искусственный интеллект 2020 Ключевые технологии анализа данных и анализ данных промышленного искусственного интеллекта Машины
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
- Информация о товаре
- Фотографии
Эта книга рассматривает точку применения технологий искусственного интеллекта в промышленности в качестве отправной точки, систематически и в целевых ключевых технологиях промышленного искусственного интеллекта и дает большое количество случаев применения.Книга содержит в общей сложности 5 глав, в том числе проблемы, с которыми сталкиваются теория, инструменты анализа данных и интеллектуальный анализ данных, машинное обучение, глубокое обучение и промышленный искусственный интеллект.Эта книга может быть использована в качестве учебника -выпускника для студентов и аспирантов для изучения промышленного искусственного интеллекта в соответствующих специалистах книги
Глава 1 Введение 1
1.1 Коннотация и развитие искусственного интеллекта···1
1.2 Коннотация и развитие промышленного искусственного интеллекта··4
1.2.1 Основы развития промышленного искусственного интеллекта·4
1.2.2 Процесс разработки промышленного искусственного интеллекта·6
1.2.3 Разница между промышленным искусственным интеллектом и традиционным искусственным интеллектом···7
1.3 Функция алгоритма и типичное применение промышленного искусственного интеллекта 8
1.4 Система знаний промышленного искусственного интеллекта····11
1.5 Ключевые технологии промышленного искусственного интеллекта····12
Глава 2 Анализ данных и цифровой инструмент данных···14
2.1 Характеристики больших данных промышленности····15
2.2 Определение и процесс добычи больших данных промышленности····17
2.3 Характерный анализ промышленных данных·18
2.3.1 Статистика промышленных данных··18
2.3.2 Анализ промышленных данных····20
2.4 Предварительная обработка промышленных данных····23
2.4.1 Лечение утилизации····23
 ·25
2.4.2 Отсутствие обработки стоимости····26
 ·27
2.4.3 Обработка нормализации данных···28
2.4.4. Обработка данных ни в коем случае 28
 ·.29
2.4.5 Обнаружение точки растяжения····.32
2.4.6 Обнаружение набора данных слона.34
2.4.7 Обработка сокращения данных·.36
2.5 Предположим, проверка····.41
2.5.1. Предположим основной принцип проверки··.41
2.5.2 Общие шаги гипотетической проверки··.42
2.5.3. Предположите тип проверки···.42
2.6 Модель много -ориентированного анализа····.44
2.6.1 Линейная модель··.44
2.6.2 В широкой линейной модели·.45
2.6.3 Модель линейного гибридного эффекта.47
2.7 *Подобная оценка···.48
2.8 Связанный анализ····.49
2.8.1 Правила царства раскопки.·51
2.8.2.·52
2.8.3 Алгоритм правил последовательной ассоциации .54 .54
2.8.4.
2.8.5 Правила ассоциации многооражающих последовательностей····.····.59
2.9 архитектура системы анализа данных·.····.64
ГЛАВА 3 МАШИЧЕСКОЕ Обучение ..65
3.1 Процесс человеческого мышления и машинного обучения·.65
3.2 Система знаний для машинного обучения·.·.67
3.3 Преимущества языка питона···.68
3.4 Алгоритм обучения надзору промышленного искусственного интеллекта .68
3.4.1 Алгоритм дерева решений····.··70
 ···73
3.4.2 Алгоритм возврата 75
3.4.3 Алгоритм поддержки векторного машины····80
Промышленные применения с надзорными алгоритмами обучения··86
3.5 Неконтролируемый алгоритм обучения для промышленного искусственного интеллекта··87
3.5.1 Алгоритм кластера···87
3.5.2 Автоматический энкодер 94
Промышленные применения неконтролируемых алгоритмов обучения···95
3.6 Основные проблемы и методы ответа машинного обучения···97
3.6.1 Основные проблемы машинного обучения····97
3.6.2 Основной способ решения проблем···100
Глава 4 Глубокое обучение··.··103
4.1 Ядро глубокого обучения····.···103
4.2 Общая сеть глубокого обучения: сверточная нейронная сеть··106
4.2.1 Структура сверточных нейронных сетей····107
4.2.2 Ключевые технологии сверточных нейронных сетей···109
4.2.3 Обучение сверточных нейронных сетей····112
 ····.···113
4.3 Общая сеть глубокого обучения: циркулирующая нейронная сеть···.··115
4.3.1 Структура циркулирующей нейронной сети·.·115
4.3.2 Оптимизация циркулирующей нейронной сети····117
 ···120
4.4 Общая сеть глубокого обучения: ограниченная Больцманн····126
4.4.1 Ограниченная классификация Bolzmann·126
4.4.2 Ограниченная подготовка Больцмана·131
4.5 Общая сеть глубокого обучения: сеть глубокого доверия··134
4.5.1 Строительство сети глубоких доверия····134
4.5.2 В -глубине заслуживающего доверия сетевой подготовки····135
 ···137
4.6 Общая структура для глубокого обучения···143
4.6.1 Thea***43
4.6.2 TensorFlow···. 144
4.6.3 Keras··.146
4.6.4 Caffe/Caffe2. ·146
4.6.5 MXNet····. 147
4.6.6 CNTK·. 148
Глава 5 Задача, стоящая перед промышленным искусственным интеллектом····149
5.1 Изменения, внесенные промышленным искусственным интеллектом .149
5.2 Проблемы, с которыми сталкивается промышленный искусственный интеллект .150
Ссылка 153
2008.03-2010.12: лектор Цинхуандского отделения северо-восточного университета; 2013 провинция Хэбей"Три три трех трех талантных проекта&Rdquo;
Связанные студенты искусственного интеллекта и искусственного интеллекта специальностей, учителей колледжа, корпоративных техников и персонала НИОКР, занимающихся исследованиями и приложениями в связанных областях.