工业智能模型基础

内容简介

工业智能模型构建技术是工业领域智能制造的关键技术之一，数据挖掘及智能模型构建技术已逐渐成为工业生产领域工艺优化、质量控制、成本管理、效率提升等不可或缺的技术手段。本书系统讲解了数据挖掘及智能模型构建的基本理论和典型方法，结合工业生产过程智能模型应用案例的解构，一方面加深学生对基础知识的理解，另一方面重点培养学生解决复杂工业问题的能力。

目录

1 概率论基础

1.1 概率

1.2 随机变量

1.3 马尔科夫链

1.4 排队模型

1.5 可靠性理论

思考题

参考文献

2 数理统计基础

2.1 基本概念

2.2 参数估计

2.3 假设检验

思考题

参考文献

3 数据分析方法基础

3.1 回归分析

3.2 方差分析与正交试验设计

3.3 判别分析

3.4 相关分析

3.5 时间序列分析

3.6 优化建模基础

思考题

参考文献

4 数据挖掘与数据分析

4.1 概述

4.2 数据

4.3 分类分析

4.4 聚类分析

4.5 关联分析

思考题

参考文献

5 经典机器学习算法

5.1 多元线性回归

5.2 支持向量机

5.3 人工神经网络

5.4 决策树

5.5 随机森林

5.6 案例推理

5.7 Boosting和AdaBoost

5.8 遗传算法

5.9 模拟退火算法

5.10 粒子群优化算法

思考题

参考文献

6 前沿人工智能算法

6.1 深度学习

6.2 深度强化学习

6.3 生成式对抗神经网络

6.4 多模态学习

6.5 迁移学习

思考题

参考文献

7 工业应用案例

7.1 钢铁生产过程作业计划优化

7.2 炼钢过程钢水温度预测

7.3 高效板坯连铸结晶器漏钢预报

7.4 钢铁流程静态能量流网络数学建模及求解

7.5 钢铁企业能量流网络动态运行优化

7.6 炼钢车间天车智能动态调度

7.7 转炉工序终点预测和控制优化

思考题

参考文献

附录 代码实现