《人工智能与智能制造：概念与方法［美］马苏德·索鲁什［美］理查德·D.布拉茨》[96]百度网盘|亲测有效|pdf下载

产品特色

编辑推荐

人工智能于制造业应用的前沿著作：
2024年同步美国出版；
全彩印刷，丰富示意图，更易理解；
美国国家工程院院士麻省理工学院教授领衔编著；　　
中国工程院院士秦山核电（二期）工程总设计师　　叶奇蓁　　
中国工程院院士中国探月工程（四期）总设计师　　于登云作序推荐；
核能与航天领域一线专家精心编译。

本书对从事制造业的工程师、管理人员和咨询师，以及在高等教育机构和国家实验室从事制造领域研究的博士后、博士研究生和其他研究人员皆具有参考价值。本书是了解制造领域中人工智能概念和方法进展的重要参考资料。

内容简介

本书系统介绍和诠释了将人工智能技术应用于工程问题的最新成功方法。人工智能正越来越多地应用于制造业，并以新的方式创造产品，这为我们理解世界的方式提供了更多见解。本书通过借鉴领先研究人员成功开发的方法，阐释了人工智能技术应用在制造业中的优势。
　　本书讨论了在制造业中广泛实施人工智能技术所面临的挑战，并提供了详细技术指南。为了应对跨学科挑战，本书借鉴了计算机科学、物理学和一系列工程学科的研究成果，为制造业的升级引入了新的思维方式。

作者简介

马苏德·索鲁什（Masoud Soroush）博士，德雷克塞尔大学化学工程系教授，IEEE高级会员。主要从事制造业、纳米材料、聚合物和能源系统等多领域研究，曾获多项国家学术荣誉。

理查德·D.布拉茨（Richard D. Braatz）博士，美国国家工程院院士，麻省理工学院Edwin R. Gilliland教授，主要从事先进制造系统的数据分析、设计及控制等相关研究。

目　　录

序一
序二
前言
第1章　机器学习方法 1
1.1　引言 1
1.2　学习模型的全局视角 2
1.3　学习技术的分类 8
1.4　机器学习方法 14
1.5　结论 23
致谢 24
参考文献 24
第2章　从数据中学习第一性原理知识 29
2.1　引言 29
2.2　分析制造业数据的方法 30

序一 序二 前言 第1章　机器学习方法 1 1.1　引言 1 1.2　学习模型的全局视角 2 1.3　学习技术的分类 8 1.4　机器学习方法 14 1.5　结论 23 致谢 24 参考文献 24 第2章　从数据中学习第一性原理知识 29 2.1　引言 29 2.2　分析制造业数据的方法 30 2.3　模型选择与超参数搜索的自动化 41 2.4　结论 44 参考文献 45 第3章　卷积神经网络：基本概念及其在制造业中的应用 48 3.1　引言 48 3.2　数据对象与数学表征 50 3.3　卷积神经网络架构 54 3.4　案例研究 59 3.5　结论 74 致谢 75 参考文献 75 第4章　稀疏数学规划及其在控制方程基础学习中的应用 81 4.1　引言 81 4.2　问题定义 82 4.3　物理信息化机器学习 85 4.4　基于回归的方法 88 4.5　基于数学规划的技术 92 4.6　滚动时域在间歇化学过程的应用实例 97 4.7　结论 102 参考文献 102 第5章　数据驱动的优化算法 105 5.1　引言 105 5.2　数据驱动的优化算法途径 106 5.3　应用于大规模制造系统的数据驱动的优化算法 116 5.4　针对其他问题类别的扩展 117 5.5　备注 126 5.6　结论 127 参考文献 127 第6章　机器学习在（生物）化学制造系统控制中的应用 144 6.1　引言 144 6.2　（生物）化学过程 146 6.3　ML-Oracle与机器学习方法概述 153 6.4　机器学习支持的建模在监督和控制中的应用 164 6.5　通过机器学习实现控制 172 6.6　结论 178 参考文献 180 第7章　从数据中学习第一性原理系统知识：稳定性与安全性及其在示范学习中的应用 192 7.1　引言 192 7.2　使用动态系统原语学习机器人运动 197 7.3　结论 206 致谢 208 参考文献 208 第8章　人工智能在材料损伤诊断和预测中的应用 212 8.1　引言 212 8.2　人工智能方法在材料损伤诊断和预测中的应用 215 8.3　人工智能方法在损伤诊断和预测领域的挑战与机遇 235 8.4　结论 236 参考文献 237 第9章　人工智能在机械加工过程监控中的应用 245 9.1　引言 245 9.2　数据采集系统 248 9.3　特征工程与机器学习 251 9.4　信号分解方法 264 9.5　深度学习 266 9.6　迁移学习 270 9.7　结论 273 致谢 273 参考文献 274

显示全部信息

前　　言

前言
近年来的研究与开发积极推动了人工智能（AI）在制造业应用方面的显著进步。本书阐述了这些技术进步，并展示了制造业如何从中获益。书中汇总了该领域内领先学术机构和工业集团的研究成果，并系统地介绍了AI工具和方法。本书全面涵盖了AI的基本概念和方法论，并由姊妹篇《人工智能与智能制造：应用与案例》作为补充，该书专注于AI概念和方法在制造业中的最前沿应用。
第1章　“机器学习方法”，介绍了机器学习（machine learning，ML）的基本方法。本章从不同角度审视现有的机器学习方法，对其进行了梳理，并探讨了每种方法的优缺点及其未来发展趋势。
第2章　“从数据中学习第一性原理知识”，详细描述了如何从过程数据中提取第一性原理知识的方法。本章从机器学习的视角出发，介绍了理解这些学习方法所需的线性与非线性回归的概念和技术。此外，还对学习第一性原理知识的方法进行了阐述，同时将其与文献中常见的不尝试学习第一性原理的替代方法进行了比较分析。章节最后讨论了学习第一性原理知识的方法与自动化机器学习方法之间的联系。

前言 近年来的研究与开发积极推动了人工智能（AI）在制造业应用方面的显著进步。本书阐述了这些技术进步，并展示了制造业如何从中获益。书中汇总了该领域内领先学术机构和工业集团的研究成果，并系统地介绍了AI工具和方法。本书全面涵盖了AI的基本概念和方法论，并由姊妹篇《人工智能与智能制造：应用与案例》作为补充，该书专注于AI概念和方法在制造业中的最前沿应用。 第1章　“机器学习方法”，介绍了机器学习（machine learning，ML）的基本方法。本章从不同角度审视现有的机器学习方法，对其进行了梳理，并探讨了每种方法的优缺点及其未来发展趋势。 第2章　“从数据中学习第一性原理知识”，详细描述了如何从过程数据中提取第一性原理知识的方法。本章从机器学习的视角出发，介绍了理解这些学习方法所需的线性与非线性回归的概念和技术。此外，还对学习第一性原理知识的方法进行了阐述，同时将其与文献中常见的不尝试学习第一性原理的替代方法进行了比较分析。章节最后讨论了学习第一性原理知识的方法与自动化机器学习方法之间的联系。 第3章　“卷积神经网络：基本概念及其在制造业中的应用”，深入讨论了卷积神经网络（CNN）的基本理念，并概述了其在制造业中的应用场景。本章详细说明了如何利用张量和图灵活表示制造业中常遇到的各类数据对象。本章还探讨了卷积神经网络如何通过卷积运算提取信息特征（如几何图案与纹理），用来预测新出现的属性和现象，或者用于识别异常情况。这些理念通过案例研究加以阐释。 第4章　“稀疏数学规划及其在控制方程基础学习中的应用”，探讨了物理化学控制方程，这些方程是描述动态系统行为的根本数学表达式。本章介绍了机器学习在探索控制方程方面的最新进展，并与成熟的代理模型建立、系统识别和参数估计问题进行了对比分析。本章还讨论了该研究领域内当前及未来重要的研究方向。 第5章　“数据驱动的优化算法”，强调并阐释开发快速且高效的数据驱动算法对数学优化的重要性。本章从早期的直接搜索算法讲起，逐步过渡到基于模型的方法，以及最新算法的发展，旨在处理包括混合整数非线性优化在内的多类问题。这些技术的使用在文中得到了广泛演示。 第6章　“机器学习在（生物）化学制造系统控制中的应用”，探讨了将机器学习与控制技术相结合，以确保化学及生物化学过程操作的安全性及改进的方法。本章详细概述了用于控制的学习模型以及学习控制组件的方法。本章提供了一个系统性的、概括性的视角，以及在控制结构中应用机器学习技术的指导方针。 第7章　“从数据中学习第一性原理系统知识：稳定性与安全性及其在示范学习中的应用”，介绍了两种从数据中对动态系统模型进行约束学习的方法，并探讨了这些方法在制造业机器人模仿学习背景下的应用。本章详细描述了模仿学习领域，并讨论了该领域面临的重要问题。同时，本章深入剖析了该领域的最新进展，并探讨了未来充满希望的研究方向。 第8章　“人工智能在材料损伤诊断和预测中的应用”，综述了在探究材料损伤方面所采用的人工智能方法。本章提供了一个视角，展示了制造业如何在从材料认证各阶段应用人工智能的进步中受益，涉及的应用包括预处理、制造过程、成品状态及后处理阶段，旨在确保生产出具有预期或至少是合格的最终性能、属性和行为的制造部件。 第9章　“人工智能在机械加工过程监控中的应用”，介绍了机械加工过程监控智能化的最新进展。本章探讨了如何利用人工智能模型和机械加工技术在生产力、质量、成本及机床车间与更广泛制造业的可持续性措施之间实现平衡。本章详细描述了在加工过程监控中使用的各种人工智能模型和技术，以及它们的算法原理和近期案例研究。 本书对从事制造业的工程师、管理人员和咨询师，以及在高等教育机构和国家实验室从事制造领域研究的博士后、博士研究生和其他研究人员皆具有参考价值。本书是寻找制造领域中人工智能概念和方法进展的重要参考资料。

显示全部信息

人工智能与智能制造：概念与方法 ［美］马苏德·索鲁什 ［美］理查德·D.布拉茨

人工智能与智能制造：概念与方法［美］马苏德·索鲁什［美］理查德·D.布拉茨