人工智能技術(shù)及應(yīng)用

序言
前言
第1章 緒論
1.1 人工智能的概念
1.2 人工智能的學派與研究途徑
1.3 人工智能研究的內(nèi)容與應(yīng)用領(lǐng)域
1.3.1 人工智能研究的內(nèi)容
1.3.2 人工智能研究的應(yīng)用領(lǐng)域
1.4 人工智能的發(fā)展
第2章 人工智能基礎(chǔ)知識
2.1 符號智能與計算智能
2.2 模糊理論
2.2.1 模糊集合
2.2.2 模糊集合的表示方法
2.2.3 模糊集合的運算
2.2.4 模糊關(guān)系和模糊關(guān)系矩陣的運算
2.2.5 模糊邏輯推理
2.2.6 解模糊判決方法
2.3 人工神經(jīng)網(wǎng)絡(luò)
2.3.1 人工神經(jīng)網(wǎng)絡(luò)發(fā)展簡史
2.3.2 人工神經(jīng)元的模型
2.3.3 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
2.3.4 神經(jīng)網(wǎng)絡(luò)的兩大類學習方法
2.3.5 反向傳播網(wǎng)絡(luò)及其學習算法
2.3.6 反饋神經(jīng)網(wǎng)絡(luò)
2.4 進化計算
2.4.1 遺傳算法
2.4.2 進化策略
2.4.3 進化規(guī)劃
2.5 模擬退火算法
2.6 知識表示
2.6.1 一階謂詞邏輯表示法
2.6.2 產(chǎn)生式規(guī)則
2.6.3 語義網(wǎng)表示法
2.6.4 框架表示法
2.6.5 人工神經(jīng)網(wǎng)絡(luò)的知識表示
2.7 搜索原理
2.7.1 問題求解過程的形式表示
2.7.2 吠態(tài)空間搜索
2.7.3 與／或樹搜索
2.8 基本的推理方法
2.8.1 推理的基本概念
2.8.2 自然演繹推理
2.8.3 歸結(jié)演繹推理
2.8.4 基于規(guī)則的演繹系統(tǒng)
2.8.5 產(chǎn)生式系統(tǒng)
2.9 機器學習
第3章 專家系統(tǒng)
3.1 專家系統(tǒng)概述
3.1.1 專家系統(tǒng)發(fā)展簡況
3.1.2 專家系統(tǒng)結(jié)構(gòu)
3.1.3 專家系統(tǒng)類型
3.1.4 專家系統(tǒng)的特點
3.2 不確定性推理
3.2.1 確定因子法
3.2.2 主觀Bayes方法
3.2.3 D—S證據(jù)理論
3.2.4 可能性理論
3.2.5 不確定推理方法的比較
3.3 專家系統(tǒng)的開發(fā)工具與建造步驟
3.3.1 專家系統(tǒng)的開發(fā)工具
3.3.2 建造專家系統(tǒng)的步驟
3.4 專家系統(tǒng)實例
3.4.1 智能設(shè)計
3.4.2 智能CAPP系統(tǒng)
3.4.3 故障診斷
第4章 智能控制
4.1 簡述
4.1.1 自動控制的發(fā)展
4.1.2 智能控制的發(fā)展
4.1.3 智能控制的結(jié)構(gòu)
4.2 專家控制
4.2.1 專家控制的結(jié)構(gòu)與分類
4.2.2 基于知識的制造過程控制示例
4.3 模糊控制
4.3.1 常規(guī)模糊控制原理
4.3.2 模糊控制器的設(shè)計
4.3.3 自適應(yīng)模糊控制
4.3.4 模糊PID控制
4.4 神經(jīng)網(wǎng)絡(luò)控制
4.4.1 神經(jīng)網(wǎng)絡(luò)控制的學習結(jié)構(gòu)
4.4.2 神經(jīng)網(wǎng)絡(luò)建模
4.4.3 基于神經(jīng)網(wǎng)絡(luò)的仿真控制
4.4.4 基于神經(jīng)網(wǎng)絡(luò)的控制實驗示例
4.5 基于信息論的智能控制
4.5.1 智能控制的信息優(yōu)化原理
4.5.2 控制系統(tǒng)結(jié)構(gòu)
4.5.3 基于信息測度的加工過程控制
第5章 計算智能及其應(yīng)用
5.1 計算智能
5.1.1 計算智能的特點
5.1.2 混合計算智能
5.2 計算智能應(yīng)用實例
5.2.1 基于GA的Job-Shop調(diào)度
5.2.2 基于神經(jīng)網(wǎng)絡(luò)的切削加工參數(shù)多目標優(yōu)化
5.2.3 端銑加工參數(shù)的多目標模糊優(yōu)化
5.2.4 加工過程狀態(tài)監(jiān)測
5.2.5 機械產(chǎn)品的敏捷開發(fā)系統(tǒng)
第6章 數(shù)據(jù)挖掘與智能決策
6.1 數(shù)據(jù)挖掘
6.1.1 數(shù)據(jù)挖掘的定義和功能
6.1.2 數(shù)據(jù)挖掘的流程
6.1.3 數(shù)據(jù)挖掘的方法和技術(shù)
6.1.4 分布式數(shù)據(jù)挖掘
6.2 分布式人工智能
6.2.1 分布式人工智能概述
6.2.2 Agent基本理論
6.2.3 多Agent系統(tǒng)
6.3 智能決策與群體決策
6.3.1 智能決策支持系統(tǒng)
6.3.2 群體決策支持系統(tǒng)
第7章 智能制造
7.1 智能制造的含義
7.2 智能制造系統(tǒng)的特點
7.3 智能制造研究的主要內(nèi)容
7.4 智能制造的支撐技術(shù)
7.5 基于Agent的分布式網(wǎng)絡(luò)化智能制造系統(tǒng)
7.6 基于自治及合作的整子制造系統(tǒng)
第8章 智能機器人
8.1 機器人的原理
8.1.1 機器人的定義與分類
8.1.2 機器人系統(tǒng)的基本組成
8.1.3 智能機器人概述
8.2 智能機器人的傳感與信息融合
8.2.1 機器人的傳感技術(shù)
8.2.2 多傳感器信息融合
8.3 機器人的規(guī)劃與控制
8.3.1 機器人的規(guī)劃
8.3.2 機器人的控制
第9章 綜合集成智能系統(tǒng)
9.1 智能集成簡述
9.2 集成智能設(shè)計專家系統(tǒng)
9.2.1 基于神經(jīng)網(wǎng)絡(luò)的設(shè)計專家系統(tǒng)
9.2.2 多種智能集成設(shè)計系統(tǒng)
9.2.3 基于CSCw的智能CAD結(jié)構(gòu)
9.3 集成智能CAPP
9.4 制造過程的綜合智能決策
9.5 多模塊的智能調(diào)度
9.6 基于人機一體化的集成制造系統(tǒng)
第10章 智能系統(tǒng)及裝備實例
10.1 仿人機器人
10.2 智能輪椅移動機器人
10.3 地震預(yù)報專家系統(tǒng)
10.3.1 ESEP的主要結(jié)構(gòu)
10.3.2 ESEP的知識表示模型
10.3.3 ESEP的專家知識庫
10.3.4 ESEP的事實準備模塊
10.3.5 ESEP的推理模型和推理決策模塊
10.4 智能車輛
10.4.1 意大利MOB—LAB的智能車輛
10.4.2 美國俄亥俄州立大學的智能車輛
參考文獻