利用高级数据驱动和深度学习方法,结合单变量和传统多变量技术的优势,提高其性能,拓宽其实际应用范围,解决了过程监控中的多变量挑战。本书继续融合了浅层学习方法的理想属性——如单类支持向量机、k近邻和无监督深度学习方法——以开发更复杂和有效的监控技术。最后,开发的方法应用于监测许多过程,如废水处理厂,自主机器人和车辆的驾驶环境中的障碍检测,机器人群,化学过程(连续搅拌槽反应器,塞流反应器和蒸馏塔),臭氧污染,道路交通拥堵,还有太阳能光伏系统。

  • 使用基于数据驱动的方法进行故障检测和归因
  • 深入了解复杂和多元系统中的故障检测和归因
  • 熟悉最适合的基于数据驱动的技术,包括多元统计技术和基于深度学习的方法
  • 包括案例研究和不同方法的比较

目录内容

  1. 介绍
  2. 基于线性潜在变量回归(LVR)的过程监控
  3. 故障隔离
  4. 非线性潜变量回归方法
  5. 基于多尺度潜变量回归的过程监测方法
  6. 基于无监督深度学习的过程监控方法
  7. 用于过程监控的无监督循环深度学习方案
  8. 案例研究
  9. 结论与未来展望

成为VIP会员查看完整内容
34
0

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
2022最新《预测建模笔记》329页PDF
专知会员服务
32+阅读 · 4月24日
【2021新书】Python流数据实用机器学习,127页pdf
专知会员服务
48+阅读 · 2021年5月23日
【2021新书】Python深度学习,316页pdf
专知会员服务
192+阅读 · 2021年5月21日
最新《深度学习视频异常检测》2020综述论文,21页pdf
专知会员服务
66+阅读 · 2020年9月30日
基于深度学习的表面缺陷检测方法综述
专知会员服务
73+阅读 · 2020年5月31日
【新书】傻瓜式入门深度学习,371页pdf
专知会员服务
149+阅读 · 2019年12月28日
【干货书】贝叶斯推断随机过程,449页pdf
专知
13+阅读 · 2020年8月27日
深度学习技术在自动驾驶中的应用
智能交通技术
23+阅读 · 2019年10月27日
深度学习与医学图像分析
人工智能前沿讲习班
25+阅读 · 2019年6月8日
【教程】如何使用深度学习为照片自动生成文本描述?
GAN生成式对抗网络
18+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
12+阅读 · 2月24日
小贴士
相关VIP内容
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员