过去几十年见证了先进技术的快速发展和应用,导致了第四次工业革命。近年来,信息和通信技术的发展促使工业过程中加入智能,以推动持续改进、知识迁移和基于数据的决策。物联网(IoT)是用于使工业组织快速自动化和数字化传统业务流程的主要技术之一。收集的大量数据可以提供人工智能(AI)、大数据分析(Big data Analytics)和决策支持系统(Decision Support Systems, DSS)提供的实时分析解决方案,从而实现最优的工业运营。基于物联网的现代技术,工业过程各个阶段的数据收集、转换和存储过程变得更加简单和高效,推动了大数据时代的到来。人工智能算法为开发物联网中产生的丰富数据提供了强大的工具。通过从大数据中提取有用的信息和特征,人工智能算法可以智能高效地执行监控和优化生产过程等复杂任务。为了将人类的知识与上述结果相结合,将决策支持系统集成在一起,帮助管理者在工作中做出更好的决策。

在大数据时代,DSS对组织来说已经变得至关重要。机器学习是人工智能的一个子领域,是处理和分析大数据的一个有用的方法,与数据指令和人类驱动分析相结合的DSS。DSS应用程序可用于大量不同的领域,如进行操作决策、医疗诊断和预测性维护。关于决策支持系统的开发和应用,文献中有大量的研究。在这本书中,章节以这样一种方式提出,以探索机器学习和决策支持系统的概率图模型的每一个重要方面。本书介绍了DSS的最新研究进展、新方法和技术,以及机器学习和概率图模型的应用,这是从大数据中有效提取知识和解释决策的非常强大的技术。本书致力于促进科学交流,思想和经验在DSS应用领域。研究人员和从业人员都将受益于这本书,以提高对机器学习、概率图模型的理解,特别是他们在不确定性决策环境下的DSS中的使用。在各个领域的真实案例研究与指导和这些研究的实际应用的建议,介绍在每一章。讨论目前的研究、趋势、未来的方向、机会等,使其适合初学者和年轻的研究人员。

成为VIP会员查看完整内容
162

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

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新书】机器学习与数据科学:基础与应用,272页pdf
专知会员服务
104+阅读 · 2022年8月3日
【2022新书】应用深度学习:工具、技术与实现,355页pdf
专知会员服务
126+阅读 · 2022年7月26日
【2022新书】联邦学习:方法和应用的综合概述
专知会员服务
138+阅读 · 2022年7月14日
【新书】多元统计与机器学习,185页pdf
专知会员服务
85+阅读 · 2022年6月5日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
91+阅读 · 2022年1月20日
专知会员服务
112+阅读 · 2021年10月17日
专知会员服务
65+阅读 · 2021年5月29日
【2021新书】概率图模型:原理与应用,370页pdf
专知会员服务
221+阅读 · 2021年5月26日
【2020新书】机器学习在能源行业中的应用,315页pdf
专知会员服务
118+阅读 · 2020年11月3日
【2022新书】Python DevOps,245页pdf
专知
5+阅读 · 2022年7月11日
【2022新书】贝叶斯建模与Python建模
专知
17+阅读 · 2022年1月9日
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
9+阅读 · 2014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 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013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
1+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年9月8日
Arxiv
0+阅读 · 2022年9月7日
Arxiv
12+阅读 · 2021年6月29日
Feature Denoising for Improving Adversarial Robustness
Arxiv
15+阅读 · 2018年12月9日
Arxiv
25+阅读 · 2018年8月19日
VIP会员
相关VIP内容
【2022新书】机器学习与数据科学:基础与应用,272页pdf
专知会员服务
104+阅读 · 2022年8月3日
【2022新书】应用深度学习:工具、技术与实现,355页pdf
专知会员服务
126+阅读 · 2022年7月26日
【2022新书】联邦学习:方法和应用的综合概述
专知会员服务
138+阅读 · 2022年7月14日
【新书】多元统计与机器学习,185页pdf
专知会员服务
85+阅读 · 2022年6月5日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
91+阅读 · 2022年1月20日
专知会员服务
112+阅读 · 2021年10月17日
专知会员服务
65+阅读 · 2021年5月29日
【2021新书】概率图模型:原理与应用,370页pdf
专知会员服务
221+阅读 · 2021年5月26日
【2020新书】机器学习在能源行业中的应用,315页pdf
专知会员服务
118+阅读 · 2020年11月3日
相关基金
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
9+阅读 · 2014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 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013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
1+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员