圖書(shū)盲袋，以書(shū)為“藥”
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
人工智能與大數(shù)據(jù):工業(yè)聚丙烯智能制造

人工智能與大數(shù)據(jù):工業(yè)聚丙烯智能制造

出版社：化學(xué)工業(yè)出版社出版時(shí)間：2024-10-01
開(kāi)本： 其他 頁(yè)數(shù)： 244
中 圖 價(jià):¥63.4(7.2折) 定價(jià)  ¥88.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

人工智能與大數(shù)據(jù):工業(yè)聚丙烯智能制造 版權(quán)信息

人工智能與大數(shù)據(jù):工業(yè)聚丙烯智能制造 本書(shū)特色

本書(shū)有以下特點(diǎn)： 1.突出實(shí)踐性。該書(shū)的內(nèi)容緊密結(jié)合工業(yè)制造實(shí)踐，提供了大量的案例和應(yīng)用場(chǎng)景，能夠幫助讀者更好地理解人工智能在制造業(yè)的應(yīng)用。 2.著重講解數(shù)據(jù)處理和機(jī)器學(xué)習(xí)技術(shù)，具有熱點(diǎn)性。該書(shū)詳細(xì)介紹了數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練和評(píng)估等方面的技術(shù)，涵蓋了從傳統(tǒng)的統(tǒng)計(jì)學(xué)方法到深度學(xué)習(xí)模型的應(yīng)用。 3.強(qiáng)調(diào)實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析，專(zhuān)業(yè)性強(qiáng)。該書(shū)提供了大量的實(shí)驗(yàn)數(shù)據(jù)和分析結(jié)果，能夠幫助讀者深入理解模型的性能和應(yīng)用效果。 4.強(qiáng)調(diào)數(shù)據(jù)質(zhì)量和數(shù)據(jù)可視化，直觀顯示度強(qiáng)。該書(shū)在介紹數(shù)據(jù)處理和特征工程技術(shù)時(shí)，特別強(qiáng)調(diào)了數(shù)據(jù)質(zhì)量和數(shù)據(jù)可視化的重要性。它提供了許多實(shí)用的技巧和方法，幫助讀者處理和清洗數(shù)據(jù)，并將數(shù)據(jù)可視化以更好地理解數(shù)據(jù)。

人工智能與大數(shù)據(jù):工業(yè)聚丙烯智能制造 內(nèi)容簡(jiǎn)介

本書(shū)系統(tǒng)闡述了烯烴聚合智能制造的自動(dòng)化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問(wèn)題——熔融指數(shù)預(yù)報(bào)的機(jī)理建模與數(shù)據(jù)驅(qū)動(dòng)建模方法。從人工智能與數(shù)據(jù)解析的角度，針對(duì)聚丙烯工業(yè)生產(chǎn)的MI預(yù)報(bào)實(shí)際問(wèn)題和實(shí)際生產(chǎn)數(shù)據(jù)，系統(tǒng)闡述了該領(lǐng)域國(guó)內(nèi)外研究現(xiàn)狀，特別是筆者二十多年來(lái)所指導(dǎo)的數(shù)十名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)方法、思路與成果，使讀者近距離全面了解人工智能與數(shù)據(jù)解析方法在智能制造中的實(shí)際應(yīng)用情況。 本書(shū)可作為高等院校自動(dòng)化、控制科學(xué)與工程、控制系統(tǒng)工程、計(jì)算機(jī)科學(xué)與技術(shù)、數(shù)學(xué)與應(yīng)用數(shù)學(xué)、化工工程、材料科學(xué)與技術(shù)等相關(guān)專(zhuān)業(yè)的教材，也可作為有關(guān)研究人員和工程技術(shù)人員的參考書(shū)。

人工智能與大數(shù)據(jù):工業(yè)聚丙烯智能制造 目錄

第1章 緒論001～014 1.1丙烯聚合工業(yè)介紹002 1.1.1聚丙烯及其熔融指數(shù)002 1.1.2現(xiàn)代聚丙烯工藝004 1.2過(guò)程建模005 1.2.1建模對(duì)象過(guò)程介紹005 1.2.2聚丙烯生產(chǎn)工藝流程及裝置006 1.2.3建模變量的確定008 1.3研究現(xiàn)狀010 1.3.1基于線性統(tǒng)計(jì)理論的預(yù)測(cè)模型010 1.3.2基于智能理論的預(yù)測(cè)模型011 1.3.3基于非線性理論的預(yù)測(cè)模型012 1.4研究難點(diǎn)012 思考題014 第2章 機(jī)理模型015～053 2.1丙烯聚合機(jī)理模型017 2.1.1微觀尺度模型018 2.1.2介觀尺度模型019 2.1.3宏觀尺度模型020 2.2丙烯聚合反應(yīng)的動(dòng)力學(xué)021 2.3單粒子增長(zhǎng)模型025 2.3.1改進(jìn)的單粒子模型的建立028 2.3.2CSA基本思想034 2.3.3模型結(jié)果與分析036 2.4聚丙烯反應(yīng)器模型041 2.4.1聚丙烯生產(chǎn)過(guò)程建模的主要困難041 2.4.2反應(yīng)機(jī)理的簡(jiǎn)化及其反應(yīng)動(dòng)力學(xué)042 2.4.3模型求解步驟047 2.4.4反應(yīng)動(dòng)力學(xué)參數(shù)的確定048 2.4.5模型參數(shù)在線自動(dòng)校正050 2.4.6模型運(yùn)行結(jié)果分析051 本章小結(jié)052 思考題053 第3章 數(shù)據(jù)驅(qū)動(dòng)方法054～074 3.1統(tǒng)計(jì)學(xué)習(xí)理論基本概念056 3.1.1 小化期望風(fēng)險(xiǎn)的準(zhǔn)則057 3.1.2建立有用預(yù)測(cè)變量的規(guī)則059 3.2常用統(tǒng)計(jì)學(xué)習(xí)方法061 3.2.1統(tǒng)計(jì)分析061 3.2.2NNs063 3.2.3支持向量機(jī)068 3.2.4混沌072 3.2.5半監(jiān)督073 本章小結(jié)073 思考題074 第4章 神經(jīng)網(wǎng)絡(luò)075～094 4.1人工神經(jīng)網(wǎng)絡(luò)介紹076 4.1.1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展077 4.1.2人工神經(jīng)網(wǎng)絡(luò)的基本功能079 4.1.3人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)080 4.2PCA-RBF神經(jīng)網(wǎng)絡(luò)模型的建立081 4.2.1RBF神經(jīng)網(wǎng)絡(luò)方法081 4.2.2結(jié)構(gòu)原理082 4.2.3RBF神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)的比較083 4.3主元分析法084 4.3.1問(wèn)題的提出085 4.3.2多維推廣086 4.3.3貢獻(xiàn)率和累積貢獻(xiàn)率088 4.4PCA-RBF神經(jīng)網(wǎng)絡(luò)模型在MI預(yù)報(bào)中的應(yīng)用089 4.4.1過(guò)程變量的確定及建模數(shù)據(jù)的采集089 4.4.2MI預(yù)報(bào)的PCA-RBF神經(jīng)網(wǎng)絡(luò)建模090 4.4.3仿真結(jié)果與分析091 本章小結(jié)094 思考題094 第5章 支持向量機(jī)095～116 5.1支持向量機(jī)簡(jiǎn)介096 5.1.1支持向量分類(lèi)機(jī)096 5.1.2支持向量回歸機(jī)099 5.2支持向量機(jī)理論102 5.2.1SVM非線性回歸原理103 5.2.2 小二乘支持向量機(jī)106 5.2.3加權(quán) 小二乘支持向量機(jī)107 5.2.4相關(guān)向量機(jī)108 5.2.5相關(guān)向量機(jī)的基本理論108 5.2.6相關(guān)向量機(jī)模型基本原理109 5.3SVM在聚丙烯熔融指數(shù)預(yù)報(bào)中的應(yīng)用111 5.3.1過(guò)程數(shù)據(jù)及其預(yù)處理111 5.3.2模型性能比較112 本章小結(jié)115 思考題115 第6章 模糊理論117～131 6.1模糊神經(jīng)網(wǎng)絡(luò)介紹118 6.1.1模糊理論介紹118 6.1.2模糊集合119 6.1.3模糊理論的特點(diǎn)122 6.2模糊神經(jīng)網(wǎng)絡(luò)介紹123 6.3模糊神經(jīng)網(wǎng)絡(luò)在熔融指數(shù)軟測(cè)量中的應(yīng)用分析126 本章小結(jié)130 思考題131 第7章 混沌理論132～172 7.1混沌理論基本介紹133 7.1.1混沌理論的發(fā)展133 7.1.2混沌的定義135 7.1.3典型混沌時(shí)間序列136 7.2混沌時(shí)間序列預(yù)測(cè)的研究現(xiàn)狀139 7.3時(shí)間序列的混沌特性識(shí)別研究141 7.3.1平穩(wěn)性分析141 7.3.2非線性檢驗(yàn)143 7.3.3相空間重構(gòu)144 7.3.4關(guān)聯(lián)維數(shù)147 7.3.5Lyapunov指數(shù)148 7.3.6Kolmogorov熵150 7.4熔融指數(shù)時(shí)間序列的混沌特性分析151 7.4.1平穩(wěn)性分析151 7.4.2非線性檢驗(yàn)151 7.4.3相空間重構(gòu)151 7.5基于FWNN的熔融指數(shù)混沌預(yù)報(bào)研究156 7.5.1小波神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介156 7.5.2模糊小波神經(jīng)網(wǎng)絡(luò)158 7.5.3網(wǎng)絡(luò)學(xué)習(xí)算法160 7.5.4基于FWNN的熔融指數(shù)混沌預(yù)報(bào)模型165 7.6實(shí)例驗(yàn)證168 本章小結(jié)170 思考題172 第8章 多尺度173～191 8.1基于多尺度分析的熔融指數(shù)組合預(yù)測(cè)研究174 8.1.1小波變換174 8.1.2經(jīng)驗(yàn)?zāi)B(tài)分解176 8.2熔融指數(shù)時(shí)間序列的多尺度分析178 8.2.1小波分解與經(jīng)驗(yàn)?zāi)B(tài)分解的結(jié)果分析與比較178 8.2.2對(duì)分解序列的混沌特性分析180 8.3基于多尺度分析的熔融指數(shù)組合預(yù)測(cè)模型185 8.3.1組合預(yù)測(cè)方法185 8.3.2基于多尺度分析的熔融指數(shù)組合預(yù)測(cè)模型186 8.4實(shí)例驗(yàn)證187 本章小結(jié)190 思考題191 第9章 半監(jiān)督192～205 9.1基于核密度估計(jì)的稀疏貝葉斯半監(jiān)督回歸194 9.2基于KDSBSR的熔融指數(shù)預(yù)報(bào)模型198 9.3實(shí)例驗(yàn)證200 9.3.1不同熔融指數(shù)標(biāo)簽采樣率下KDSBSR模型預(yù)報(bào)效果考察200 9.3.2不同半監(jiān)督模型預(yù)報(bào)性能對(duì)比研究202 本章小結(jié)205 思考題205 0章 群智能206～222 10.1基于ACO算法模型優(yōu)化研究207 10.1.1ACO算法介紹207 10.1.2ACO算法優(yōu)化D-FNN參數(shù)209 10.1.3自適應(yīng)ACO算法優(yōu)化D-FNN參數(shù)211 10.1.4ACO算法優(yōu)化效果分析212 10.2基于PSO算法模型優(yōu)化研究215 10.2.1PSO-D-FNN優(yōu)化模型215 10.2.2混沌GA/PSO優(yōu)化模型216 10.2.3PSO算法優(yōu)化效果分析219 本章小結(jié)222 思考題222 參考文獻(xiàn)223 圖索引239 表索引243
展開(kāi)全部
暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線客服