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(xué)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(shí)
2.1 符號(hào)智能與計(jì)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(yùn)算
2.2.4 模糊關(guān)系和模糊關(guān)系矩陣的運(yùn)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(jiǎn)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(lèi)學(xué)習(xí)方法
2.3.5 反向傳播網(wǎng)絡(luò)及其學(xué)習(xí)算法
2.3.6 反饋神經(jīng)網(wǎng)絡(luò)
2.4 進(jìn)化計(jì)算
2.4.1 遺傳算法
2.4.2 進(jìn)化策略
2.4.3 進(jìn)化規(guī)劃
2.5 模擬退火算法
2.6 知識(shí)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(yǔ)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(shí)表示
2.7 搜索原理
2.7.1 問(wèn)題求解過(guò)程的形式表示
2.7.2 吠態(tài)空間搜索
2.7.3 與／或樹(shù)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(jī)器學(xué)習(xí)
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(jiǎn)況
3.1.2 專家系統(tǒng)結(jié)構(gòu)
3.1.3 專家系統(tǒng)類(lèi)型
3.1.4 專家系統(tǒng)的特點(diǎn)
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(kāi)發(fā)工具與建造步驟
3.3.1 專家系統(tǒng)的開(kāi)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(shí)例
3.4.1 智能設(shè)計(jì)
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(jiǎn)述
4.1.1 自動(dòng)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(lèi)
4.2.2 基于知識(shí)的制造過(guò)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(jì)
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(xué)習(xí)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(shí)驗(yàn)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(cè)度的加工過(guò)程控制
第5章 計(jì)算智能及其應(yīng)用
5.1 計(jì)算智能
5.1.1 計(jì)算智能的特點(diǎn)
5.1.2 混合計(jì)算智能
5.2 計(jì)算智能應(yīng)用實(shí)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(biāo)優(yōu)化
5.2.3 端銑加工參數(shù)的多目標(biāo)模糊優(yōu)化
5.2.4 加工過(guò)程狀態(tài)監(jiān)測(cè)
5.2.5 機(jī)械產(chǎn)品的敏捷開(kāi)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(diǎn)
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(jī)器人
8.1 機(jī)器人的原理
8.1.1 機(jī)器人的定義與分類(lèi)
8.1.2 機(jī)器人系統(tǒng)的基本組成
8.1.3 智能機(jī)器人概述
8.2 智能機(jī)器人的傳感與信息融合
8.2.1 機(jī)器人的傳感技術(shù)
8.2.2 多傳感器信息融合
8.3 機(jī)器人的規(guī)劃與控制
8.3.1 機(jī)器人的規(guī)劃
8.3.2 機(jī)器人的控制
第9章 綜合集成智能系統(tǒng)
9.1 智能集成簡(jiǎn)述
9.2 集成智能設(shè)計(jì)專家系統(tǒng)
9.2.1 基于神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)專家系統(tǒng)
9.2.2 多種智能集成設(shè)計(jì)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(guò)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(jī)一體化的集成制造系統(tǒng)
第10章 智能系統(tǒng)及裝備實(shí)例
10.1 仿人機(jī)器人
10.2 智能輪椅移動(dòng)機(jī)器人
10.3 地震預(yù)報(bào)專家系統(tǒng)
10.3.1 ESEP的主要結(jié)構(gòu)
10.3.2 ESEP的知識(shí)表示模型
10.3.3 ESEP的專家知識(shí)庫(kù)
10.3.4 ESEP的事實(shí)準(zhǔn)備模塊
10.3.5 ESEP的推理模型和推理決策模塊
10.4 智能車(chē)輛
10.4.1 意大利MOB—LAB的智能車(chē)輛
10.4.2 美國(guó)俄亥俄州立大學(xué)的智能車(chē)輛
參考文獻(xiàn)