智能設(shè)計與不確定信息處理

前言
第1章緒論
　1.1現(xiàn)代產(chǎn)品設(shè)計技術(shù)概述
　　1.1.1設(shè)計的本質(zhì)與產(chǎn)品設(shè)計理論的發(fā)展
　　1.1.2現(xiàn)代產(chǎn)品設(shè)計方法及其核心內(nèi)容
　　1.1.3產(chǎn)品設(shè)計的分類
　1.2產(chǎn)品智能設(shè)計技術(shù)
　　1.2.1人工智能與專家系統(tǒng)
　　1.2.2機器智能的實現(xiàn)途徑
　　1.2.3智能設(shè)計與知識處理
　　1.2.4智能設(shè)計技術(shù)的發(fā)展
　　1.2.5智能設(shè)計面臨的困難
　1.3產(chǎn)品設(shè)計中的不確定性
　1.4本書討論的主要問題
第2章產(chǎn)品設(shè)計知識的分類與基本的知識表示方法
　2.1知識分類
　2.2基本的知識表示方法
　　2.2.1語義網(wǎng)絡(luò)表示法
　　2.2.2框架表示法
　　2.2.3產(chǎn)生式表示法
　　2.2.4過程表示法
　　2.2.5面向?qū)ο蟊硎痉?br />　2.3廣義知識庫系統(tǒng)
第3章產(chǎn)品智能設(shè)計知識的建模
　3.1產(chǎn)品設(shè)計過程知識模型
　　3.1.1已有的幾種產(chǎn)品設(shè)計過程知識模型
　　3.1.2基于設(shè)計模式的設(shè)計模型
　3.2功能模式下的產(chǎn)品設(shè)計對象模型
　　3.2.1產(chǎn)品的三種設(shè)計模式
　　3.2.2功能模型的信息組成
　　3.2.3功能模型的BNF定義
　　3.2.4繼電器電磁系統(tǒng)功能模型的BNF描述
　　3.2.5功能模型的特點及其在智能設(shè)計系統(tǒng)中的組織形式
　3.3參數(shù)化模式下的產(chǎn)品設(shè)計對象模型
　　3.3.1產(chǎn)品設(shè)計在參數(shù)化模式下所面臨的問題
　　3.3.2參數(shù)化模型的信息組成
　　3.3.3參數(shù)化模型的BNF定義
　　3.3.4一種設(shè)計問題求解策略和機器學習方法
　　3.3.5參數(shù)化模式下特征模型的作用
　3.4實例模式下的產(chǎn)品設(shè)計對象模型
　　3.4.1實例和實例模型的信息組成
　　3.4.2實例的數(shù)據(jù)結(jié)構(gòu)示例
　3.5功能模型、參數(shù)化模型和實例模型之間的關(guān)系
第4章設(shè)計對象的屬性集提取與屬性值獲取
第5章產(chǎn)品設(shè)計中的知識利用
第6章模糊貼近度的有關(guān)算法
第7章產(chǎn)品的選型設(shè)計與概念設(shè)計
第8章基于規(guī)則的推理與不確定性的傳播
第9章產(chǎn)品的優(yōu)化設(shè)計
第10章產(chǎn)品設(shè)計方案的綜合評估
第11章決策過程中不確定性信息的綜合處理
第12章人工神經(jīng)網(wǎng)絡(luò)在產(chǎn)品設(shè)計中的應(yīng)用
評估方法
參考文獻