新一代人工智能技術的興起與迅猛發(fā)展，正在逐漸滲透各行各業(yè)，改變人們工作與生活的方方面面。工業(yè)制造業(yè)作為國計民生的支柱，也在新一代人工智能的沖擊下，不斷融合創(chuàng)新涌現(xiàn)出新的技術�！肮�業(yè)人工智能”應運而生，成為推動新型工業(yè)化、發(fā)展新質生產力的重要驅動力之一。工業(yè)人工智能的崛起并非偶然，背后有著多方面原因促使其水到渠成。首先，工業(yè)大數(shù)據的爆發(fā)式增長為工業(yè)人工智能的發(fā)展提供了強有力的基礎數(shù)據支撐；來自于制造業(yè)企業(yè)信息化系統(tǒng)、工業(yè)物聯(lián)網，以及外部跨界系統(tǒng)產生的海量數(shù)據，為人工智能算法的訓練和優(yōu)化奠定了基礎。其次，算力的大幅提升使得工業(yè)界復雜的算法和模型得以在制造業(yè)實際應用中落地�，F(xiàn)今的計算機硬件性能已經足以支持深度學習等先進算法的高效運算，從而實現(xiàn)更為準確和實時的工業(yè)人工智能求解。此外，工業(yè)互聯(lián)網的興起使得工業(yè)要素之間實現(xiàn)了更加緊密的連接與協(xié)同，各類智能化應用需求層出不窮，例如工業(yè)終端設備的智能運維、產品的智能質檢、產線的智能調度、產業(yè)鏈供應鏈的智能協(xié)同等，急需工業(yè)人工智能新方法新技術的突破以滿足不斷涌現(xiàn)的新需求。
在人工智能賦能新型工業(yè)化、發(fā)揮數(shù)據要素乘數(shù)效應、加快構建以數(shù)據為關鍵要素的數(shù)字經濟的新時代背景下，數(shù)據驅動的工業(yè)人工智能成為近年來學術界和產業(yè)界高度關注的前沿熱點研究領域。相較于傳統(tǒng)的方法，數(shù)據驅動的方法更加注重從數(shù)據中挖掘模式和規(guī)律，通過諸如深度學習等技術實現(xiàn)對復雜工業(yè)系統(tǒng)的智能建模和優(yōu)化。這一方法的優(yōu)勢在于，它能夠處理大規(guī)模、高維度的數(shù)據，并從中學習到潛在的特征和關系，為制造業(yè)提供更為精準的預測和決策支持，尤其適合工業(yè)應用中大量機理不清的實際應用場景。
因此，本書旨在全面深入地探討數(shù)據驅動方法在工業(yè)人工智能領域的新理論、新方法、新技術，為讀者提供一部學習和應用工業(yè)人工智能領域數(shù)據驅動的建模方法的指南。本書的內容涵蓋了數(shù)據驅動的工業(yè)人工智能的基礎理論、實用方法以及前沿技術，力求為工業(yè)界的從業(yè)者、研究者和決策者提供有力的支持，幫助他們更好地理解和應用數(shù)據驅動的人工智能。
本書的第1章介紹新一代人工智能與智能制造的背景知識，旨在為讀者提供一個全面、系統(tǒng)的視角，深入剖析新一代人工智能與智能制造之間的內在聯(lián)系，展示數(shù)據驅動方法在工業(yè)領域的重要意義。
第2章深入研究新一代人工智能的基礎理論和知識，包括工業(yè)人工智能模型應用流程和常用深度學習技術，探討深度學習等新興技術的原理和應用，以及它們在工業(yè)領域的潛在優(yōu)勢。通過對這些基礎理論的全面解析，讀者將能夠深入理解工業(yè)人工智能的核心概念，為后續(xù)的實際應用奠定堅實的基礎。
第3章系統(tǒng)地介紹工業(yè)時間序列信息表征建模方法，包括工業(yè)時序多通道信息表征建模方法、工業(yè)時序多尺度信息表征建模方法、工業(yè)時序多層級時頻域信息表征建模方法、工業(yè)時序多層次信息表征建模方法和工業(yè)時序時空耦合信息表征建模方法。通過深入探討這些方法的原理和應用案例，讀者將能夠了解如何有效地利用時間序列數(shù)據，提高工業(yè)生產的效率和質量。
第4章面對工業(yè)生產中常見的低質數(shù)據問題，將聚焦于工業(yè)低質數(shù)據增強表征建模方法，包括無標簽數(shù)據增強表征建模方法、非均衡數(shù)據增強表征建模方法和缺失數(shù)據增強表征建模方法，介紹如何通過先進的技術處理低質數(shù)據，提高數(shù)據的質量，從而確保在建模和決策過程中獲得可靠的結果。本章給出了實際案例將幫助讀者更好地理解和應用這些方法。
第5章深入研究工業(yè)多源異質數(shù)據深層融合建模方法�，F(xiàn)代工業(yè)系統(tǒng)中涉及的數(shù)據來源多種多樣，包括傳感器數(shù)據、生產流程數(shù)據、供應鏈數(shù)據等。本章內容包括工業(yè)異質關聯(lián)數(shù)據融合建模方法、工業(yè)多源高維度數(shù)據融合建模方法，并探討如何將這些數(shù)據融合起來，實現(xiàn)更全面、準確的工業(yè)智能建模。
第6章討論工業(yè)復雜任務跨域建模方法。主要面對工業(yè)領域中復雜跨域任務的挑戰(zhàn)，介紹如何應對工業(yè)生產中的工況變化導致的數(shù)據分布偏移，并通過跨域建模方法實現(xiàn)對這些任務的統(tǒng)一處理。這有望為讀者提供一種更為綜合和高效的解決方案。
第7章關注工業(yè)AI分布式高時效輕量化建模方法，包括工業(yè)云邊分布式AI模型框架、輕量化工業(yè)AI模型構建方法、工業(yè)AI模型輕量化自適應知識蒸餾方法、動態(tài)自適應工業(yè)AI模型構建方法。通過分布式計算和輕量化模型的構建，工業(yè)系統(tǒng)能夠在保證高時效性的同時，更好地適應不同環(huán)境和場景。這一部分旨在幫助讀者理解如何在工業(yè)生產中實現(xiàn)高效的工業(yè)智能建模。
第8章深入研究基于區(qū)塊鏈的工業(yè)數(shù)據安全可信協(xié)同方法。本章內容包括區(qū)塊鏈相關技術介紹、基于區(qū)塊鏈的工業(yè)大數(shù)據實體多方協(xié)同、基于區(qū)塊鏈的工業(yè)大數(shù)據智能安全交互、工業(yè)大數(shù)據跨域安全共享管控、工業(yè)跨域異構數(shù)據的身份構建及溯源。數(shù)據安全一直是工業(yè)智能領域的重要關注點。通過區(qū)塊鏈技術的應用，讀者將了解如何確保工業(yè)數(shù)據的安全性和可信度，促進企業(yè)間的協(xié)同合作。
第9章對工業(yè)大數(shù)據可視化進行綜述，并通過典型案例展示其實際應用。大數(shù)據可視化是將龐大而復雜的工業(yè)數(shù)據以直觀的方式呈現(xiàn)出來的關鍵手段，有助于決策者更好地理解和分析數(shù)