智能技术

智能技术 内容提要

    《智能技术》系统地介绍了智能技术的基本理论和应用技术。《智能技术》共8章，主要内容包括：知识表示技术，知识推理技术，模糊逻辑技术，神经网络技术、遗传算法，专家系统，机器学习。《智能技术》是作者在总结近年来教学和科研成果，学习国内外智能技术领域最新技术的基础上编写而成的。《智能技术》内容体系新颖，选材具有先进性、系统性和实用性的特点。
    《智能技术》可作为高等学校计算机科学与技术专业、电子信息工程专业、电工及自动化专业、机电一体化专业的高年级本科生和研究生的教材，也可供相关专业的工程技术人员参考。

智能技术 目录

第1章概论1
1.1人工智能简介1
1.1.1智能1
1.1.2人工智能2
1.1.3人工智能的发展简史2
1.1.4人工智能的目标与表现形式5
1.1.5人工智能的研究途径6
1.1.6人工智能的研究领域8
1.2智能工程11
1.2.1智能工程的提出11
1.2.2智能工程与人工智能11
1.2.3智能制造系统12
1.3智能控制13
1.3.1智能控制的发展概况13
1.3.2智能控制系统的基本结构15
1.3.3智能控制的结构理论16
1.3.4智能控制的特点18
1.3.5智能控制研究的数学工具19
1.3.6智能控制的主要研究内容20
习题20
第2章知识表示技术21
2.1概述21
2.1.1知识、信息和数据21
2.1.2知识的特性22
2.1.3知识的分类22
2.1.4知识的表示23
2.2逻辑表示法24
2.2.1命题逻辑24
2.2.2谓词逻辑28
2.2.3谓词逻辑表示法的特点33
智能技术目录2.3语义网络表示法33
2.3.1语义网络的概念33
2.3.2语义网络表示知识的方法及步骤35
2.3.3语义网络中常用的语义联系36
2.3.4语义网络知识表示下的推理过程38
2.3.5语义网络表示法的特点39
2.4框架表示法39
2.4.1框架结构及知识表示40
2.4.2基于框架的推理42
2.4.3框架表示法的特点44
2.5产生式表示法44
2.5.1产生式的基本形式44
2.5.2产生式系统45
2.5.3产生式系统示例46
2.5.4产生式表示法的特点47
2.6状态空间表示法48
2.6.1状态空间表示法的描述48
2.6.2状态空间表示法示例48
2.7问题归纳法51
2.7.1问题归纳描述51
2.7.2与或图表示法53
2.8面向对象表示法55
2.8.1面向对象的基本概念56
2.8.2面向对象的知识表示57
习题58
第3章知识推理技术61
3.1推理方式及其分类61
3.1.1演绎推理、归纳推理和默认推理61
3.1.2确定性推理和不确定性推理63
3.1.3单调推理和非单调推理63
3.1.4定性推理64
3.2推理的控制策略64
3.2.1正向推理64
3.2.2反向推理66
3.2.3正反向推理67
3.3搜索策略68
3.3.1状态空间的一般搜索过程68
3.3.2宽度优先搜索策略70
3.3.3深度优先搜索策略71
3.3.4启发式搜索策略74
习题79
第4章模糊逻辑技术83
4.1模糊逻辑的数学基础83
4.1.1模糊集合83
4.1.2模糊集合的表示方法85
4.1.3模糊集合的运算85
4.1.4隶属函数的确定方法86
4.1.5模糊关系90
4.2模糊逻辑的推理93
4.2.1模糊命题93
4.2.2模糊逻辑94
4.2.3模糊语言94
4.2.4模糊推理99
4.3模糊控制系统概述105
4.3.1模糊控制系统的构成105
4.3.2模糊控制系统的原理106
4.4模糊控制器原理111
4.5模糊控制器设计基础117
4.6双入单出模糊控制器设计119
4.6.1模糊化119
4.6.2模糊控制规则、模糊关系的模糊推理121
4.6.3清晰化124
4.6.4控制表计算程序125
习题126
第5章神经网络技术129
5.1神经网络基础129
5.1.1生物神经元结构129
5.1.2神经元数学模型130
5.2神经网络的结构和学习规则132
5.2.1神经网络的结构132
5.2.2神经网络的学习134
5.2.3神经网络的记忆135
5.3典型前向网络——BP网络135
5.3.1感知机135
5.3.2BP网络136
5.4典型反馈网络——Hopfield网络139
5.4.1离散型Hopfield网络139
5.4.2连续型Hopfield网络140
5.5应用神经网络产生模糊集的隶属函数142
5.6神经网络控制原理147
5.6.1神经网络控制的基本思想147
5.6.2神经网络在控制中的作用148
5.7神经网络在工程中的应用148
5.7.1基于神经网络的系统辨识148
5.7.2基于神经网络的自适应控制151
5.8单神经元控制的直流调速系统153
5.8.1系统组成154
5.8.2单神经元控制器及其学习算法设计154
5.8.3单神经元直流调速系统参数设计155
5.9模糊神经网络156
5.9.1模糊系统的标准模型156
5.9.2模糊神经网络的结构157
5.9.3学习算法159
5.9.4应用模糊神经网络在线检测参数161
习题164
第6章遗传算法167
6.1遗传算法的基本原理167
6.1.1遗传算法的基本遗传学基础167
6.1.2遗传算法的原理和特点168
6.1.3遗传算法的基本操作168
6.2遗传算法的模式理论174
6.2.1模式174
6.2.2复制对模式的影响175
6.2.3交叉对模式的影响176
6.2.4变异对模式的影响177
6.2.5遗传算法有效处理的模式数量177
6.3遗传算法应用中的一些基本问题179
6.3.1目标函数值到适值形式的映射179
6.3.2适值的调整179
6.3.3编码原则181
6.3.4多参数级联定点映射编码182
6.4高级遗传算法184
6.4.1改进的复制方法184
6.4.2高级GA算法185
6.5微种群和双种群遗传算法188
6.5.1微种群算法188
6.5.2双种群遗传算法189
6.6基于遗传算法的系统在线辨识191
6.6.1遗传算法在参数辨识中的应用 192
6.6.2遗传算法参数辨识仿真示例193
6.7基于遗传算法的模糊控制194
6.8免疫遗传算法197
6.8.1免疫遗传算法的基本概念198
6.8.2免疫算子的机理与构造199
6.8.3TSP问题的免疫遗传算法202
习题203
第7章专家系统205
7.1专家系统的概念205
7.1.1什么是专家系统205
7.1.2专家系统的产生和发展205
7.1.3专家系统的特点207
7.1.4专家系统的类型207
7.1.5专家系统与知识系统208
7.1.6专家系统与知识工程208
7.2专家系统的结构与工作原理209
7.2.1专家系统的一般结构209
7.2.2专家系统的工作原理209
7.3知识的获取211
7.3.1知识获取的方式212
7.3.2知识获取的步骤213
7.4专家系统的建造与评价215
7.4.1专家系统的建造原则215
7.4.2专家系统的建造步骤216
7.4.3专家系统的评价217
7.5专家系统设计举例219
7.5.1动物识别系统219
7.5.2专家生产指导系统221
7.6专家控制系统230
7.6.1专家控制系统的工作原理231
7.6.2专家控制系统的类型235
7.6.3直接专家控制系统236
7.6.4间接专家控制系统240
7.6.5实时专家控制系统243
7.7新一代的专家系统251
7.7.1深层知识专家系统251
7.7.2模糊专家系统251
7.7.3神经网络专家系统252
7.7.4大型协同分布式专家系统253
7.7.5网上（多媒体）专家系统253
习题253
第8章机器学习255
8.1机器学习的基本概念255
8.1.1什么是机器学习255
8.1.2学习系统256
8.1.3机器学习的主要策略256
8.1.4机器学习系统的基本结构257
8.2机械学习259
8.2.1机械学习的模式259
8.2.2机械学习的主要问题259
8.3指导学习260
8.4类比学习261
8.4.1类比推理261
8.4.2属性类比学习261
8.4.3转换类比学习263
8.5归纳学习264
8.5.1实例学习264
8.5.2观察与发现学习269
8.6解释学习270
8.6.1解释学习的概念270
8.6.2解释学习的过程270
8.6.3解释学习的例子271
8.6.4领域知识的完善性272
8.7知识发现与数据挖掘273
8.7.1知识发现273
8.7.2数据挖掘概述275
8.7.3数据挖掘技术简介276
8.8学习控制系统282
8.8.1基于模式识别的学习控制283
8.8.2反复学习控制283
8.8.3自学习控制系统285
习题286
参考文献287

· 智能技术

· 电机、拖动与控制

· 智能技术

· 微型计算机控制技术