智能制造中的知識工程

第1章 面向邏輯結(jié)構(gòu)的知識表達(dá)方法
1.1 基于謂詞的知識表達(dá)方法
1.2 基于框架的知識表達(dá)方法
本章參考文獻(xiàn)
第2章 面向業(yè)務(wù)流程的模塊知識表達(dá)方法
2.1 模塊化知識概述
2.2 基于模塊的知識表達(dá)方法
2.3 基于模板的知識表達(dá)方法
本章參考文獻(xiàn)
第3章 基于向量空間的文本知識表達(dá)方法
3.1 基于詞向量空間的文本知識表達(dá)方法
3.2 基于實體超平面和關(guān)系超平面知識圖譜嵌入
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例
本章參考文獻(xiàn)
第4章 基于模糊理論的知識挖掘方法
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挖掘方法
4.5 基于過程模糊規(guī)則的隱含知識挖掘方法
4.6 基于動態(tài)混合規(guī)則網(wǎng)絡(luò)的隱含知識挖掘方法
4.7 基于概念格的知識挖掘方法
本章參考文獻(xiàn)
第5章 基于貝葉斯理論的知識挖掘方法
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)故障檢測方法
6.3 小樣本條件下基于遷移學(xué)習(xí)的民航發(fā)動機氣路故障診斷方法
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 基于知識圖譜的知識融合方法
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