123,123,123

內(nèi)容簡(jiǎn)介

　　本書是作者對(duì)所從事的科研工作及為哈爾濱工業(yè)大學(xué)機(jī)電工程學(xué)院研究生講授數(shù)字化設(shè)計(jì)中的“知識(shí)工程”課程講義內(nèi)容的整理，重點(diǎn)對(duì)知識(shí)工程中的知識(shí)表達(dá)、知識(shí)挖掘和知識(shí)融合的相關(guān)理論、方法及其應(yīng)用進(jìn)行了闡述。全書共分8章，主要分為三大部分：知識(shí)表達(dá)方法、知識(shí)挖掘方法和知識(shí)融合方法。知識(shí)表達(dá)重點(diǎn)面向邏輯結(jié)構(gòu)形式、業(yè)務(wù)流程和語(yǔ)義向量三個(gè)方面開展表達(dá)方法研究；知識(shí)挖掘主要研究模糊知識(shí)挖掘和知識(shí)遷移方法；知識(shí)融合則分別對(duì)采用傳統(tǒng)證據(jù)理論和較為新穎的圖論方法進(jìn)行知識(shí)融合開展研究。本書對(duì)從事機(jī)械工程與人工智能領(lǐng)域研究的研究生或科研院所的科技人員有很好的借鑒意義，各個(gè)層面的讀者均可參考使用。

作者簡(jiǎn)介

暫缺《智能制造中的知識(shí)工程》作者簡(jiǎn)介

圖書目錄

第1章面向邏輯結(jié)構(gòu)的知識(shí)表達(dá)方法
1.1 基于謂詞的知識(shí)表達(dá)方法
1.2 基于框架的知識(shí)表達(dá)方法
本章參考文獻(xiàn)
第2章面向業(yè)務(wù)流程的模塊知識(shí)表達(dá)方法
2.1 模塊化知識(shí)概述
2.2 基于模塊的知識(shí)表達(dá)方法
2.3 基于模板的知識(shí)表達(dá)方法
本章參考文獻(xiàn)
第3章基于向量空間的文本知識(shí)表達(dá)方法
3.1 基于詞向量空間的文本知識(shí)表達(dá)方法
3.2 基于實(shí)體超平面和關(guān)系超平面知識(shí)圖譜嵌入
3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的句子向量表達(dá)方法
3.4 基于詞向量的文本聚類實(shí)例
本章參考文獻(xiàn)
第4章基于模糊理論的知識(shí)挖掘方法
4.1 模糊基本理論
4.2 高斯混合模型
4.3 基于云模型的多分類方法
4.4 基于高斯混合模型的知識(shí)挖掘方法
4.5 基于過程模糊規(guī)則的隱含知識(shí)挖掘方法
4.6 基于動(dòng)態(tài)混合規(guī)則網(wǎng)絡(luò)的隱含知識(shí)挖掘方法
4.7 基于概念格的知識(shí)挖掘方法
本章參考文獻(xiàn)
第5章基于貝葉斯理論的知識(shí)挖掘方法
5.1 貝葉斯公式
5.2 貝葉斯分類器
5.3 貝葉斯網(wǎng)絡(luò)
5.4 半結(jié)構(gòu)化文本的分類與挖掘
本章參考文獻(xiàn)
第6章遷移學(xué)習(xí)方法及其應(yīng)用
6.1 遷移學(xué)習(xí)方法
6.2 基于深度遷移學(xué)習(xí)的工業(yè)故障檢測(cè)方法
6.3 小樣本條件下基于遷移學(xué)習(xí)的民航發(fā)動(dòng)機(jī)氣路故障診斷方法
本章參考文獻(xiàn)
第7章基于D-S證據(jù)理論的知識(shí)融合方法
7.1 經(jīng)典D-S證據(jù)理論
7.2 基于距離的分類支持度模型建立
7.3 樣本分類支持度計(jì)算
7.4 基于D-S證據(jù)理論的高維多模式分類方法
本章參考文獻(xiàn)
第8章基于知識(shí)圖譜的知識(shí)融合方法
8.1 基于編輯距離定義相似度
8.2 基于結(jié)構(gòu)相似度
本章參考文獻(xiàn)
名詞索引
附錄部分彩圖