幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

工業人工智慧導論(工業互聯網賦能智造系列教材)

  • 作者：編者:王萬良//姚信威//王錚|責編:劉琴琴//王榮
  • 出版社：機械工業
  • ISBN：9787111791331
  • 出版日期：2025/11/01
  • 裝幀：平裝
  • 頁數：308
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書面向工業領域人工智慧應用需要，全面介紹人工智慧的基本理論、技術及在工業生產控制與管理中的應用。全書共13章，主要內容包括人工智慧與工業人工智慧、知識表示與知識圖譜、狀態空間與搜索求解、專家系統與專家控制、模糊推理與模糊控制、進化演算法與生產調度、群智能優化演算法與生產調度、機器學習及其應用、人工神經網路與神經網路控制、深度學習與大語言模型、循環神經網路與自然語言理解、生成式人工智慧及其應用、智能機器人及其應用。
    本書的適用對象廣泛，可作為普通高等學校理工類專業本科人工智慧導論、智能控制等課程的教材，也可供對人工智慧技術感興趣的廣大讀者閱讀。
作者介紹
編者:王萬良//姚信威//王錚|責編:劉琴琴//王榮
    王萬良，工學博士，二級教授，博士生導師，國務院政府特殊津貼專家，國家教學名師，國家「萬人計劃」首批教學名師，浙江省傑出教師。現任教育部高等學校電腦類專業教學指導委員會委員、浙江省高等學校電腦類專業教學指導委員會副主任、全國高校大數據教育聯盟副理事長、中國人工智慧學會理事、中國自動化學會理事、智慧教育專業委員會主任、浙江省可視媒體智能處理技術研究重點實驗室主任、浙江省電腦學會副理事長、浙江省電腦應用與教育學會副理事長、浙江省人工智慧學會副理事長、杭州市電腦學會理事長、杭州市人工智慧學會副理事長。
目錄
前言
第1章  人工智慧與工業人工智慧
  1.1  生物智能
    1.1.1  智能的概念
    1.1.2  智能的特徵
  1.2  人工智慧的誕生
    1.2.1  人工智慧的孕育期
    1.2.2  人工智慧的誕生——達特茅斯會議
    1.2.3  人工智慧的定義與圖靈測試
  1.3  人工智慧的發展
    1.3.1  人工智慧的形成期
    1.3.2  幾起幾落的曲折發展期
    1.3.3  大數據驅動的飛速發展期
  1.4  從兩場標誌性人機博弈看人工智慧的發展
    1.4.1  人工智慧研究中的「小白鼠
    1.4.2  「深藍」戰勝國際象棋棋王卡斯帕羅夫
    1.4.3  AlphaGo無師自通橫掃世界圍棋大師
  1.5  人工智慧研究的基本內容
    1.5.1  知識表示
    1.5.2  機器感知
    1.5.3  機器思維
    1.5.4  機器學習
    1.5.5  機器行為
  1.6  工業人工智慧
    1.6.1  工業人工智慧的概念
    1.6.2  模式識別與電腦視覺
    1.6.3  自然語言理解與語音識別
    1.6.4  智能管理與生產調度
    1.6.5  智能控制
    1.6.6  智能機器人與腦機介面
    1.6.7  分散式人工智慧與雲端人工智慧
  1.7  人工智慧倫理
    1.7.1  人工智慧倫理的提出與發展
    1.7.2  人工智慧倫理的典型案例與成因分析
    1.7.3  人工智慧倫理的治理原則
    1.7.4  人工智慧倫理的治理措施
  1.8  本章小結
  討論題
讀一讀
第2章  知識表示與知識圖譜
  2.1  人類知識及其特性
    2.1.1  什麼是知識
    2.1.2  知識的相對正確性
    2.1.3  知識的不確定性
  2.2  電腦表示知識的方法
  2.3  產生式表示法
    2.3.1  產生式
    2.3.2  產生式系統
    2.3.3  產生式表示法的特點
  2.4  框架表示法

    2.4.1  框架的一般結構
    2.4.2  用框架表示知識的例子
    2.4.3  框架表示法的特點
  2.5  知識圖譜
    2.5.1  知識圖譜的提出
    2.5.2  知識圖譜的定義
    2.5.3  知識圖譜的表示
    2.5.4  知識圖譜的架構
    2.5.5  知識圖譜的典型應用
  2.6  本章小結
  討論題
  習題
第3章  狀態空間與搜索求解
  3.1  搜索的概念
  3.2  狀態空間知識表示方法
    3.2.1  狀態空間
    3.2.2  狀態空間的圖描述
  3.3  狀態空間搜索的回溯策略
  3.4  盲目的圖搜索策略
    3.4.1  寬度優先搜索策略
    3.4.2  深度優先搜索策略
  3.5  啟髮式圖搜索策略
    3.5.1  啟髮式策略
    3.5.2  啟發信息和估價函數
  3.6  A搜索與A*搜索演算法
    3.6.1  A搜索演算法
    3.6.2  A*搜索演算法
  3.7  蒙特卡羅樹搜索演算法
    3.7.1  蒙特卡羅樹搜索基本演算法
    3.7.2  蒙特卡羅樹搜索改進演算法
  3.8  本章小結
  討論題
  習題
第4章  專家系統與專家控制
  4.1  專家系統的產生和發展
  4.2  專家系統的概念
    4.2.1  專家系統的定義與特點
    4.2.2  專家系統的類型
    4.2.3  實時專家系統
  4.3  專家系統的工作原理
    4.3.1  專家系統的一般結構
    4.3.2  知識庫
    4.3.3  推理機
    4.3.4  綜合資料庫
    4.3.5  知識獲取機構
    4.3.6  解釋機構
    4.3.7  人機介面
  4.4  簡單的動物識別專家系統
    4.4.1  知識庫建立
    4.4.2  綜合資料庫建立和推理過程

  4.5  專家控制
    4.5.1  專家控制的概念
    4.5.2  間接專家控制
    4.5.3  直接專家控制
  4.6  電腦充絨機專家控制系統
    4.6.1  電腦充絨機的工作原理
    4.6.2  電腦充絨機的程序控制
    4.6.3  電腦充絨機羽絨重量專家控制
  4.7  本章小結
  討論題
第5章  模糊推理與模糊控制
  5.1  推理的基本概念
    5.1.1  推理的定義
    5.1.2  推理方式及其分類
    5.1.3  推理的方向
    5.1.4  衝突消解策略
  5.2  模糊集合與模糊知識表示
    5.2.1  模糊邏輯的提出與發展
    5.2.2  模糊集合的定義與表示
    5.2.3  模糊集合的運算
  5.3  模糊推理
    5.3.1  模糊關係
    5.3.2  模糊關係的合成
    5.3.3  模糊推理方法
    5.3.4  模糊決策
    5.3.5  模糊推理的應用
  5.4  模糊控制
    5.4.1  模糊控制的發展
    5.4.2  模糊控制系統的組成
    5.4.3  模糊控制器的輸入輸出變數及其模糊化
    5.4.4  模糊控制規則
    5.4.5  模糊控制演算法的工程實現
    5.4.6  模糊PID複合控制
  5.5  全自動洗衣機的模糊控制
    5.5.1  模糊控制洗衣機的檢測
    5.5.2  洗衣機的模糊控制
  5.6  酚醛樹脂聚合反應溫度模糊控制
    5.6.1  酚醛樹脂聚合反應過程特性分析
    5.6.2  模糊控制器設計
  5.7  本章小結
  討論題
  習題
第6章  進化演算法與生產調度
  6.1  進化演算法的生物學背景
  6.2  遺傳演算法
    6.2.1  遺傳演算法的發展歷史
    6.2.2  遺傳演算法的基本思想
    6.2.3  編碼
    6.2.4  群體設定
    6.2.5  適應度函數

    6.2.6  選擇
    6.2.7  交叉
    6.2.8  變異
  6.3  遺傳演算法的主要改進演算法
    6.3.1  雙倍體遺傳演算法
    6.3.2  雙種群遺傳演算法
    6.3.3  自適應遺傳演算法
  6.4  基於遺傳演算法的生產調度方法
    6.4.1  基於遺傳演算法的流水車間調度方法
    6.4.2  基於遺傳演算法的混合流水車間調度方法
  6.5  差分進化演算法及其應用
    6.5.1  差分進化演算法
    6.5.2  差分進化演算法的流程
    6.5.3  差分進化演算法的改進
  6.6  量子進化演算法及其應用
    6.6.1  量子進化演算法的基本概念
    6.6.2  基本量子進化演算法
    6.6.3  基本量子進化演算法的流程
    6.6.4  基於量子進化演算法的生產調度方法
  6.7  本章小結
  討論題
  習題
第7章  群智能優化演算法與生產調度
  7.1  群智能優化演算法的生物學背景
  7.2  模擬鳥群行為的粒子群優化演算法
  7.3  粒子群優化演算法的應用
    7.3.1  粒子群優化演算法的應用概述
    7.3.2  粒子群優化演算法在PID參數整定中的應用
    7.3.3  粒子群優化演算法在車輛路徑問題中的應用
  7.4  模擬蟻群行為的蟻群優化演算法
    7.4.1  蟻群優化演算法的生物學背景
    7.4.2  基本蟻群優化演算法模型
  7.5  蟻群優化演算法在生產調度中的應用
  7.6  本章小結
  討論題
第8章  機器學習及其應用
  8.1  機器學習的基本概念
    8.1.1  學習
    8.1.2  機器學習
    8.1.3  機器學習系統
    8.1.4  機器學習的發展
  8.2  機器學習的分類
    8.2.1  機器學習的一般分類方法
    8.2.2  有監督學習與無監督學習
    8.2.3  弱監督學習
  8.3  機器學習的數據處理
    8.3.1  數據準備
    8.3.2  特徵工程
  8.4  線性回歸
    8.4.1  線性回歸問題

    8.4.2  最小二乘法
    8.4.3  最小二乘法的應用
  8.5  K-近鄰演算法
    8.5.1  K-近鄰演算法的原理
    8.5.2  K-近鄰基本演算法
    8.5.3  K-近鄰演算法的應用舉例
  8.6  決策樹
    8.6.1  決策樹的原理
    8.6.2  決策樹的熵
  8.7  支持向量機
    8.7.1  支持向量機的基本思想
    8.7.2  線性支持向量機
    8.7.3  非線性支持向量機
  8.8  K-均值聚類演算法
  8.9  本章小結
  討論題
  習題
第9章  人工神經網路與神經網路控制
  9.1  人工神經元與人工神經網路
    9.1.1  生物神經元結構
    9.1.2  生物神經元的數學模型
    9.1.3  人工神經網路的結構與學習
  9.2  機器學習的先驅——Hebb學習規則
  9.3  掀起人工神經網路第一次高潮的感知器
    9.3.1  感知器的結構
    9.3.2  線性分類器
    9.3.3  感知器的不足與發展方向
    9.3.4  人工智慧冬天
  9.4  掀起人工神經網路第二次高潮的BP學習演算法
    9.4.1  BP學習演算法的提出
    9.4.2  BP神經網路
    9.4.3  BP學習演算法
    9.4.4  BP學習演算法的實現
  9.5  BP學習演算法在模式識別中的應用
  9.6  基於人工神經網路的系統辨識
    9.6.1  前向模型辨識
    9.6.2  反向模型辨識
  9.7  基於人工神經網路的軟測量
    9.7.1  軟測量技術
    9.7.2  污水處理過程神經網路軟測量模型
  9.8  基於人工神經網路的控制
    9.8.1  人工神經網路控制器
    9.8.2  人工神經網路預測控制
    9.8.3  人工神經網路模型參考控制
    9.8.4  人工神經網路內模控制
  9.9  本章小結
  討論題
  習題
第10章  深度學習與大語言模型
  10.1  動物視覺機理與深度學習大模型

    10.1.1  淺層學習的局限性
    10.1.2  動物視覺機理
    10.1.3  深度學習的提出
    10.1.4  大語言模型及其應用
  10.2  卷積神經網路及其應用
    10.2.1  卷積神經網路的結構
    10.2.2  卷積的物理、生物與生態學等意義
    10.2.3  卷積神經網路的卷積運算
    10.2.4  卷積神經網路中的關鍵技術
    10.2.5  卷積神經網路的應用
    10.2.6  深度學習的應用
  10.3  膠囊網路
    10.3.1  膠囊網路的基本思想
    10.3.2  膠囊網路的基本結構
    10.3.3  膠囊網路的學習運算
    10.3.4  膠囊網路的測試結果
  10.4  電腦視覺
    10.4.1  電腦視覺概述
    10.4.2  數字圖像與電腦視覺的進展
    10.4.3  基於深度學習的電腦視覺
    10.4.4  人臉識別
    10.4.5  虹膜識別
  10.5  本章小結
  討論題
  習題
第11章  循環神經網路與自然語言理解
  11.1  自然語言理解的概念與發展
    11.1.1  自然語言理解的概念
    11.1.2  自然語言理解的發展歷史
    11.1.3  語言處理過程的層次
  11.2  機器翻譯方法概述
  11.3  循環神經網路
    11.3.1  循環神經網路的結構
    11.3.2  循環神經網路的訓練
    11.3.3  長短期記憶神經網路
  11.4  基於循環神經網路的機器翻譯
  11.5  語音識別
    11.5.1  語音識別的概念
    11.5.2  語音識別的主要過程
    11.5.3  語音識別的經典方法
    11.5.4  語音識別的深度學習方法
  11.6  本章小結
  討論題
第12章  生成式人工智慧及其應用
  12.1  生成對抗網路的基本原理
    12.1.1  生成對抗網路的提出
    12.1.2  生成對抗網路的結構
    12.1.3  生成對抗網路的訓練
    12.1.4  生成對抗網路的改進
  12.2  生成式人工智慧在圖像生成中的應用

  12.3  生成式人工智慧在語言生成中的應用
  12.4  生成式人工智慧在視頻生成中的應用
  12.5  本章小結
  討論題
第13章  智能機器人及其應用
  13.1  機器人的產生與發展
  13.2  機器人中的人工智慧技術
    13.2.1  機器人智能感知
    13.2.2  機器人智能導航
    13.2.3  機器人智能路徑規劃
    13.2.4  機器人智能運動控制
    13.2.5  機器人智能交互
  13.3  智能機器人的應用
    13.3.1  工業機器人
    13.3.2  農業機器人
    13.3.3  服務機器人
    13.3.4  醫用機器人
    13.3.5  軍用機器人
    13.3.6  無人機
  13.4  智能機器人技術展望
  13.5  智能機器人倫理問題
  13.6  本章小結
  討論題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032