智能技術(shù)

第1章 概論
1.1 人工智能簡(jiǎn)介
1.1.1 智能
1.1.2 人工智能
1.1.3 人工智能的發(fā)展簡(jiǎn)史
1.1.4 人工智能的目標(biāo)與表現(xiàn)形式
1.1.5 人工智能的研究途徑
1.1.6 人工智能的研究領(lǐng)域
1.2 智能工程
1.2.1 智能工程的提出
1.2.2 智能工程與人工智能
1.2.3 智能制造系統(tǒng)
1.3 智能控制
1.3.1 智能控制的發(fā)展概況
1.3.2 智能控制系統(tǒng)的基本結(jié)構(gòu)
1.3.3 智能控制的結(jié)構(gòu)理論
1.3.4 智能控制的特點(diǎn)
1.3.5 智能控制研究的數(shù)學(xué)工具
1.3.6 智能控制的主要研究?jī)?nèi)容
習(xí)題
第2章 知識(shí)表示技術(shù)
2.1 概述
2.1.1 知識(shí)、信息和數(shù)據(jù)
2.1.2 知識(shí)的特性
2.1.3 知識(shí)的分類
2.1.4 知識(shí)的表示
2.2 邏輯表示法
2.2.1 命題邏輯
2.2.2 謂詞邏輯
2.2.3 謂詞邏輯表示法的特點(diǎn)
2.3 語(yǔ)義網(wǎng)絡(luò)表示法
2.3.1 語(yǔ)義網(wǎng)絡(luò)的概念
2.3.2 語(yǔ)義網(wǎng)絡(luò)表示知識(shí)的方法及步驟
2.3.3 語(yǔ)義網(wǎng)絡(luò)中常用的語(yǔ)義聯(lián)系
2.3.4 語(yǔ)義網(wǎng)絡(luò)知識(shí)表示下的推理過程
2.3.5 語(yǔ)義網(wǎng)絡(luò)表示法的特點(diǎn)
2.4 框架表示法
2.4.1 框架結(jié)構(gòu)及知識(shí)表示
2.4.2 基于框架的推理
2.4.3 框架表示法的特點(diǎn)
2.5 產(chǎn)生式表示法
2.5.1 產(chǎn)生式的基本形式
2.5.2 產(chǎn)生式系統(tǒng)
2.5.3 產(chǎn)生式系統(tǒng)示例
2.5.4 產(chǎn)生式表示法的特點(diǎn)
2.6 狀態(tài)空間表示法
2.6.1 狀態(tài)空間表示法的描述
2.6.2 狀態(tài)空間表示法示例
2.7 問題歸納法
2.7.1 問題歸納描述
2.7.2 與或圖表示法
2.8 面向?qū)ο蟊硎痉?br />2.8.1 面向?qū)ο蟮幕靖拍?br />2.8.2 面向?qū)ο蟮闹R(shí)表示
習(xí)題
第3章 知識(shí)推理技術(shù)
3.1 推理方式及其分類
3.1.1 演繹推理、歸納推理和默認(rèn)推理
3.1.2 確定性推理和不確定性推理
3.1.3 單調(diào)推理和非單調(diào)推理
3.1.4 定性推理
3.2 推理的控制策略
3.2.1 正向推理
3.2.2 反向推理
3.2.3 正反向推理
3.3 搜索策略
3.3.1 狀態(tài)空間的一般搜索過程
3.3.2 寬度優(yōu)先搜索策略
3.3.3 深度優(yōu)先搜索策略
3.3.4 啟發(fā)式搜索策略
習(xí)題
第4章 模糊邏輯技術(shù)
4.1 模糊邏輯的數(shù)學(xué)基礎(chǔ)
4.1.1 模糊集合
4.1.2 模糊集合的表示方法
4.1.3 模糊集合的運(yùn)算
4.1.4 隸屬函數(shù)的確定方法
4.1.5 模糊關(guān)系
4.2 模糊邏輯的推理
4.2.1 模糊命題
4.2.2 模糊邏輯
4.2.3 模糊語(yǔ)言
4.2.4 模糊推理
4.3 模糊控制系統(tǒng)概述
4.3.1 模糊控制系統(tǒng)的構(gòu)成
4.3.2 模糊控制系統(tǒng)的原理
4.4 模糊控制器原理
4.5 模糊控制器設(shè)計(jì)基礎(chǔ)
4.6 雙入單出模糊控制器設(shè)計(jì)
4.6.1 模糊化
4.6.2 模糊控制規(guī)則、模糊關(guān)系的模糊推理
4.6.3 清晰化
4.6.4 控制表計(jì)算程序
習(xí)題
第5章 神經(jīng)網(wǎng)絡(luò)技術(shù)
5.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5.1.1 生物神經(jīng)元結(jié)構(gòu)
5.1.2 神經(jīng)元數(shù)學(xué)模型
5.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)規(guī)則
5.2.1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.2.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
5.2.3 神經(jīng)網(wǎng)絡(luò)的記憶
5.3 典型前向網(wǎng)絡(luò)--BP網(wǎng)絡(luò)
5.3.1 感知機(jī)
5.3.2 BP網(wǎng)絡(luò)
5.4 典型反饋網(wǎng)絡(luò)--Hopfield網(wǎng)絡(luò)
5.4.1 離散型Hopfield網(wǎng)絡(luò)
5.4.2 連續(xù)型Hopfield網(wǎng)絡(luò)
5.5 應(yīng)用神經(jīng)網(wǎng)絡(luò)產(chǎn)生模糊集的隸屬函數(shù)
5.6 神經(jīng)網(wǎng)絡(luò)控制原理
5.6.1 神經(jīng)網(wǎng)絡(luò)控制的基本思想
5.6.2 神經(jīng)網(wǎng)絡(luò)在控制中的作用
5.7 神經(jīng)網(wǎng)絡(luò)在工程中的應(yīng)用
5.7.1 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
5.7.2 基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制
5.8 單神經(jīng)元控制的直流調(diào)速系統(tǒng)
5.8.1 系統(tǒng)組成
5.8.2 單神經(jīng)元控制器及其學(xué)習(xí)算法設(shè)
5.8.3 單神經(jīng)元直流調(diào)速系統(tǒng)參數(shù)設(shè)計(jì)
5.9 模糊神經(jīng)網(wǎng)絡(luò)
5.9.1 模糊系統(tǒng)的標(biāo)準(zhǔn)模型
5.9.2 模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.9.3 學(xué)習(xí)算法
5.9.4 應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)在線檢測(cè)參數(shù)
習(xí)題
第6章 遺傳算法
6.1 遺傳算法的基本原理
6.1.1 遺傳算法的基本遺傳學(xué)基礎(chǔ)
6.1.2 遺傳算法的原理和特點(diǎn)
6.1.3 遺傳算法的基本操作
6.2 遺傳算法的模式理論
6.2.1 模式
6.2.2 復(fù)制對(duì)模式的影響
6.2.3 交叉對(duì)模式的影響
6.2.4 變異對(duì)模式的影響
6.2.5 遺傳算法有效處理的模式數(shù)量
6.3 遺傳算法應(yīng)用中的一些基本問題
6.3.1 目標(biāo)函數(shù)值到適值形式的映射
6.3.2 適值的調(diào)整
6.3.3 編碼原則
6.3.4 多參數(shù)級(jí)聯(lián)定點(diǎn)映射編碼
6.4 高級(jí)遺傳算法
6.4.1 改進(jìn)的復(fù)制方法
6.4.2 高級(jí)GA算法
6.5 微種群和雙種群遺傳算法
6.5.1 微種群算法
6.5.2 雙種群遺傳算法
6.6 基于遺傳算法的系統(tǒng)在線辨識(shí)
6.6.1 遺傳算法在參數(shù)辨識(shí)中的應(yīng)用
6.6.2 遺傳算法參數(shù)辨識(shí)仿真示例
6.7 基于遺傳算法的模糊控制
6.8 免疫遺傳算法
6.8.1 免疫遺傳算法的基本概念
6.8.2 免疫算子的機(jī)理與構(gòu)造
6.8.3 TSP問題的免疫遺傳算法
習(xí)題
第7章 專家系統(tǒng)
7.1 專家系統(tǒng)的概念
7.1.1 什么是專家系統(tǒng)
7.1.2 專家系統(tǒng)的產(chǎn)生和發(fā)展
7.1.3 專家系統(tǒng)的特點(diǎn)
7.1.4 專家系統(tǒng)的類型
7.1.5 專家系統(tǒng)與知識(shí)系統(tǒng)
7.1.6 專家系統(tǒng)與知識(shí)工程
7.2 專家系統(tǒng)的結(jié)構(gòu)與工作原理
7.2.1 專家系統(tǒng)的一般結(jié)構(gòu)
7.2.2 專家系統(tǒng)的工作原理
7.3 知識(shí)的獲取
7.3.1 知識(shí)獲取的方式
7.3.2 知識(shí)獲取的步驟
7.4 專家系統(tǒng)的建造與評(píng)價(jià)
7.4.1 專家系統(tǒng)的建造原則
7.4.2 專家系統(tǒng)的建造步驟
7.4.3 專家系統(tǒng)的評(píng)價(jià)
7.5 專家系統(tǒng)設(shè)計(jì)舉例
7.5.1 動(dòng)物識(shí)別系統(tǒng)
7.5.2 專家生產(chǎn)指導(dǎo)系統(tǒng)
7.6 專家控制系統(tǒng)
7.6.1 專家控制系統(tǒng)的工作原理
7.6.2 專家控制系統(tǒng)的類型
7.6.3 直接專家控制系統(tǒng)
7.6.4 間接專家控制系統(tǒng)
7.6.5 實(shí)時(shí)專家控制系統(tǒng)
7.7 新一代的專家系統(tǒng)
7.7.1 深層知識(shí)專家系統(tǒng)
7.7.2 模糊專家系統(tǒng)
7.7.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
7.7.4 大型協(xié)同分布式專家系統(tǒng)
7.7.5 網(wǎng)上(多媒體)專家系統(tǒng)
習(xí)題
第8章 機(jī)器學(xué)習(xí)
8.1 機(jī)器學(xué)習(xí)的基本概念
8.1.1 什么是機(jī)器學(xué)習(xí)
8.1.2 學(xué)習(xí)系統(tǒng)
8.1.3 機(jī)器學(xué)習(xí)的主要策略
8.1.4 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
8.2 機(jī)械學(xué)習(xí)
8.2.1 機(jī)械學(xué)習(xí)的模式
8.2.2 機(jī)械學(xué)習(xí)的主要問題
8.3 指導(dǎo)學(xué)習(xí)
8.4 類比學(xué)習(xí)
8.4.1 類比推理
8.4.2 屬性類比學(xué)習(xí)
8.4.3 轉(zhuǎn)換類比學(xué)習(xí)
8.5 歸納學(xué)習(xí)
8.5.1 實(shí)例學(xué)習(xí)
8.5.2 觀察與發(fā)現(xiàn)學(xué)習(xí)
8.6 解釋學(xué)習(xí)
8.6.1 解釋學(xué)習(xí)的概念
8.6.2 解釋學(xué)習(xí)的過程
8.6.3 解釋學(xué)習(xí)的例子
8.6.4 領(lǐng)域知識(shí)的完善性
8.7 知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘
8.7.1 知識(shí)發(fā)現(xiàn)
8.7.2 數(shù)據(jù)挖掘概述
8.7.3 數(shù)據(jù)挖掘技術(shù)簡(jiǎn)介
8.8 學(xué)習(xí)控制系統(tǒng)
8.8.1 基于模式識(shí)別的學(xué)習(xí)控制
8.8.2 反復(fù)學(xué)習(xí)控制
8.8.3 自學(xué)習(xí)控制系統(tǒng)
習(xí)題
參考文獻(xiàn)