章绪论/001
1.1人工智能技术概述/002
1.1.1基本定义/002
1.1.2发展历史/003
1.2人工智能技术的基本内容/005
1.2.1人工智能技术的主要学派/005
1.2.2人工智能技术解决的主要问题与研究领域/006
1.2.3人工智能技术的主要技术领域/008
1.3人工智能技术的前沿与展望/008
1.4学习的要点/009
第2章专家系统/011
2.1专家系统概述/012
2.1.1专家系统的发展历程/012
2.1.2专家系统的研究和应用意义/013
2.1.3专家系统的定义/014
2.1.4专家系统的工作流程/015
2.2知识的表示方式/015
2.2.1一阶谓词逻辑表示法/016
2.2.2产生式表示法/022
2.2.3语义网络表示法/023
2.2.4框架表示法/025
2.3专家系统的结构/026
2.3.1知识库/026
2.3.2推理机/028
2.3.3人机界面/029
2.3.4综合数据库/029
2.3.5解释器/030
2.3.6知识获取/030
2.4专家系统的特点/031
2.5专家系统的应用/032
2.6专家系统开发工具/033
2.7专家系统实例/034
2.7.1振动监测、故障诊断技术中心系统/034
2.7.2设备在线监测故障诊断专家系统/035
第3章模糊控制技术/039
3.1模糊技术概述/040
3.1.1集合的概念/040
3.1.2集合的表示方法/040
3.1.3集合的运算/041
3.1.4普通集合概念的局限/043
3.2模糊集合/044
3.2.1概念的引入/044
3.2.2模糊集合的定义/046
3.2.3模糊集合的表示方式/046
3.2.4模糊集合的基本运算/047
3.3隶属函数/051
3.4模糊关系/052
3.4.1模糊关系的基本概念/052
3.4.2模糊关系的运算/053
3.5模糊语言/055
3.6模糊逻辑/057
3.7模糊推理/060
3.8二输入单输出问题/063
3.9模糊控制/065
3.9.1模糊控制的基本概念/065
3.9.2模糊控制系统的基本结构/066
3.9.3模糊控制系统的建立/070
3.9.4模糊控制系统的运行/070
3.9.5模糊系统的实现方式/071
3.10模糊控制在工程技术中的应用实例/072
3.10.1模糊全自动洗衣机/072
3.10.2汽轮机模糊控制/073
第4章粗糙集合及其应用/079
4.1概述/080
4.1.1粗糙集合理论的特点/080
4.1.2粗糙集合理论的应用领域/081
4.2粗糙集合基本理论/081
4.2.1信息表/082
4.2.2定义和运算/083
4.2.3决策规则的发现步骤/087
4.3粗糙集合在故障诊断技术中的应用/087
第5章遗传算法/095
5.1遗传算法概述/096
5.1.1遗传算法的由来/096
5.1.2遗传算法基本原理/098
5.1.3基因操作/100
5.2遗传算法的主要内容/104
5.2.1编码/104
5.2.2初始群体的设定/105
5.2.3确定适应度函数/105
5.2.4遗传算法关键参数的确定/106
5.2.5遗传算法的基本过程和程序框图/107
5.2.6遗传算法举例/108
5.3应用实例/110
第6章其他生物计算技术/113
6.1蚂蚁算法/114
6.1.1蚂蚁算法的基本原理/114
6.1.2蚂蚁算法的基本内容/116
6.2粒子群算法/118
6.2.1粒子群算法原理/118
6.2.2粒子群算法的基本流程/119
6.2.3粒子群算法中参数的意义/119
6.3基于免疫机理的故障诊断技术/120
6.3.1生物免疫基本概念/120
6.3.2机械故障诊断技术概况/123
6.3.3免疫算法原理/125
6.3.4基于距离判断的故障诊断免疫算法/126
6.3.5故障诊断免疫算法实例/129
6.4元胞自动机基于免疫机理的故障诊断技术/130
6.4.1元胞自动机的基本概念/130
6.4.2元胞自动机的扩展/134
6.4.3元胞自动机在故障关联模式研究中的应用/135
第7章神经网络技术及其应用/139
7.1神经网络概述/140
7.1.1神经网络的定义/140
7.1.2发展历史/141
7.1.3神经网络处理信息的特点/143
7.2神经网络的技术背景/145
7.2.1人脑的基本结构与功能/145
7.2.2神经元的基本结构/146
7.3脑处理信息的模型/147
7.3.1神经元模型/147
7.3.2神经元处理信号的过程/148
7.4神经网络模型/150
7.4.1神经网络结构分类/150
7.4.2神经网络学习方式分类/152
7.4.3神经网络动力学特性分类/152
7.5神经网络的学习规则/153
7.5.1Hebb学习/153
7.5.2Delta学习/154
7.5.3竞争学习/154
7.6神经网络的实现方法/154
7.7感知器/155
7.7.1感知器结构/155
7.7.2感知器方程/155
7.7.3感知器网络训练过程/157
7.7.4感知器网络运行过程/158
7.7.5多类分类感知器/158
7.7.6感知器应用实例/160
7.7.7感知器网络性质的讨论/161
7.8BP网络/165
7.8.1BP网络基本结构/165
7.8.2BP网络数学模型/165
7.8.3BP网络的训练过程/169
7.8.4BP网络的网络运行过程/170
7.8.5BP网络算法程序流程/170
7.8.6BP网络算法伪程序/171
7.8.7BP网络性质讨论/174
7.8.8BP网络应用实例/175
7.9霍普菲尔德网络/183
7.9.1霍普菲尔德网络基本结构/183
7.9.2网络模型方程/184
7.9.3网络的训练/185
7.9.4网络的联想/185
7.9.5应用实例/186
7.10基于遗传算法的优化神经网络预测模型/188
7.10.1遗传算法优化神经网络结构参数/189
7.10.2遗传BP算法优化神经网络权值/190
7.10.3样本的归一化处理/191
7.10.4水泵机组状态趋势预测/193
第8章深度学习/195
8.1深度学习概述/196
8.1.1概况/196
8.1.2深度学习技术背景/197
8.2深度学习的主要方法/200
8.3自编码器/202
8.3.1自编码器的基本算法/202
8.3.2常用的自编码器模型/205
8.4卷积神经网络/206
8.4.1卷积神经网络概况/206
8.4.2卷积网络的基本结构/207
8.4.3卷积网络的基本算法/208
参考文献/213

本书是人工智能技术的通识读本，全面展示人工智能技术的理论框架和应用价值，主要内容包括：人工智能的概况和发展历史，作为目前人工智能主流技术的深度学习及其基础神经网络技术，以及在人工智能技术发展过程中发挥了重要作用的人工智能方法，如专家系统、模糊技术、粗糙集、遗传算法和其他生物技术方法等。本书主要面向非信息学科的大学生和研究生，为他们学习人工智能技术提供教学参考，也为他们今后继续在人工智能技术领域深入研学提供基础；同时本书也面向有一定教育背景的广大普通读者，力图为他们掀开门扉，一窥人工智能的神秘而有趣的世界。