随着大数据发展的日益精进,大数据的数据层次架构,数据处理方法都日新月异。大数据在各行各业都开始占据重要的地位,数据即资产。工业向来也是数据产生与应用的集中地,因此工业大数据的发展也是如火如荼。机器学习与神经网络技术在近些年的发展成熟,给大数据处理带来了新的契机。正由于神经网络这种数据处理模式不同于传统程序化设计,它的有导师学习仅需提供带标签的数据集作为训练与测试数据集,即可令神经网络“学会”数据处理的过程。该模式大大增加了数据处理的效率。本文从以下方面针对大数据处理进行研究:1)大数据建模技术,不同的大数据建模分析模型,针对原理进行分析和优化。2)TensorFlow的神经网络实现技术,TensorFlow本身的框架结构,以及其调用实现神经网络的方法。3)工业大数据分类模型的应用,以及不同的优化方法,从其原理进行分析,对比不同优化方法的差异4)超声检测与使用傅里叶变换处理超声检测信号,模糊傅里叶变换的样本获取与训练,结果分析。