本书面向工业领域人工智能应用需要，全面介绍人工智能的基本理论、技术及在工业生产控制与管理中的应用。全书共13章，主要内容包括人工智能与工业人工智能、知识表示与知识图谱、状态空间与搜索求解、专家系统与专家控制、模糊推理与模糊控制、进化算法与生产调度、群智能优化算法与生产调度、机器学习及其应用、人工神经网络与神经网络控制、深度学习与大语言模型、循环神经网络与自然语言理解、生成式人工智能及其应用、智能机器人及其应用。 　　本书配有电子课件、习题解答、教学大纲、部分实验、实验指导书等教学资源，欢迎选用本书作教材的教师发邮件wangwanliang@suat-sz.edu.cn索取。 　　本书的适用对象广泛，可作为普通高等学校理工类专业本科人工智能导论、智能控制等课程的教材，也可供对人工智能技术感兴趣的广大读者阅读。

高等院校教师

目录CONTENTS
前言
第1章人工智能与工业人工智能
1.1生物智能
1.1.1智能的概念
1.1.2智能的特征
1.2人工智能的诞生
1.2.1人工智能的孕育期
1.2.2人工智能的诞生——达特茅斯会议
1.2.3人工智能的定义与图灵测试
1.3人工智能的发展
1.3.1人工智能的形成期
1.3.2几起几落的曲折发展期
1.3.3大数据驱动的飞速发展期
1.4从两场标志性人机博弈看人工智能的发展
1.4.1人工智能研究中的“小白鼠
1.4.2“深蓝”战胜国际象棋棋王卡斯帕罗夫
1.4.3AlphaGo无师自通横扫世界围棋大师
1.5人工智能研究的基本内容
1.5.1知识表示
1.5.2机器感知
1.5.3机器思维
1.5.4机器学习
1.5.5机器行为
1.6工业人工智能
1.6.1工业人工智能的概念
1.6.2模式识别与计算机视觉
1.6.3自然语言理解与语音识别
1.6.4智能管理与生产调度
1.6.5智能控制
1.6.6智能机器人与脑机接口
1.6.7分布式人工智能与云端人工智能
1.7人工智能伦理
1.7.1人工智能伦理的提出与发展
1.7.2人工智能伦理的典型案例与成因分析
1.7.3人工智能伦理的治理原则
1.7.4人工智能伦理的治理措施
1.8本章小结
讨论题
读一读
第2章知识表示与知识图谱
2.1人类知识及其特性
2.1.1什么是知识
2.1.2知识的相对正确性
2.1.3知识的不确定性
2.2计算机表示知识的方法
2.3产生式表示法
2.3.1产生式
2.3.2产生式系统
2.3.3产生式表示法的特点
2.4框架表示法
2.4.1框架的一般结构
2.4.2用框架表示知识的例子
2.4.3框架表示法的特点
2.5知识图谱
2.5.1知识图谱的提出
2.5.2知识图谱的定义
2.5.3知识图谱的表示
2.5.4知识图谱的架构
2.5.5知识图谱的典型应用
2.6本章小结
讨论题
习题
第3章状态空间与搜索求解
3.1搜索的概念
3.2状态空间知识表示方法
3.2.1状态空间
3.2.2状态空间的图描述
3.3状态空间搜索的回溯策略
3.4盲目的图搜索策略
3.4.1宽度优先搜索策略
3.4.2深度优先搜索策略
3.5启发式图搜索策略
3.5.1启发式策略
3.5.2启发信息和估价函数
3.6A搜索与A*搜索算法
3.6.1A搜索算法
3.6.2A*搜索算法
3.7蒙特卡罗树搜索算法
3.7.1蒙特卡罗树搜索基本算法
3.7.2蒙特卡罗树搜索改进算法
3.8本章小结
讨论题
习题
第4章专家系统与专家控制
4.1专家系统的产生和发展
4.2专家系统的概念
4.2.1专家系统的定义与特点
4.2.2专家系统的类型
4.2.3实时专家系统
4.3专家系统的工作原理
4.3.1专家系统的一般结构
4.3.2知识库
4.3.3推理机
4.3.4综合数据库
4.3.5知识获取机构
4.3.6解释机构
4.3.7人机接口
4.4简单的动物识别专家系统
4.4.1知识库建立
4.4.2综合数据库建立和推理过程
4.5专家控制
4.5.1专家控制的概念
4.5.2间接专家控制
4.5.3直接专家控制
4.6计算机充绒机专家控制系统
4.6.1计算机充绒机的工作原理
4.6.2计算机充绒机的程序控制
4.6.3计算机充绒机羽绒重量专家控制
4.7本章小结
讨论题
第5章模糊推理与模糊控制
5.1推理的基本概念
5.1.1推理的定义
5.1.2推理方式及其分类
5.1.3推理的方向
5.1.4冲突消解策略
5.2模糊集合与模糊知识表示
5.2.1模糊逻辑的提出与发展
5.2.2模糊集合的定义与表示
5.2.3模糊集合的运算
5.3模糊推理
5.3.1模糊关系
5.3.2模糊关系的合成
5.3.3模糊推理方法
5.3.4模糊决策
5.3.5模糊推理的应用
5.4模糊控制
5.4.1模糊控制的发展
5.4.2模糊控制系统的组成
5.4.3模糊控制器的输入输出变量及其模糊化
5.4.4模糊控制规则
5.4.5模糊控制算法的工程实现
5.4.6模糊PID复合控制
5.5全自动洗衣机的模糊控制
5.5.1模糊控制洗衣机的检测
5.5.2洗衣机的模糊控制
5.6酚醛树脂聚合反应温度模糊控制
5.6.1酚醛树脂聚合反应过程特性分析
5.6.2模糊控制器设计
5.7本章小结
讨论题
习题
第6章进化算法与生产调度
6.1进化算法的生物学背景
6.2遗传算法
6.2.1遗传算法的发展历史
6.2.2遗传算法的基本思想
6.2.3编码
6.2.4群体设定
6.2.5适应度函数
6.2.6选择
6.2.7交叉
6.2.8变异
6.3遗传算法的主要改进算法
6.3.1双倍体遗传算法
6.3.2双种群遗传算法
6.3.3自适应遗传算法
6.4基于遗传算法的生产调度方法
6.4.1基于遗传算法的流水车间调度方法
6.4.2基于遗传算法的混合流水车间调度方法
6.5差分进化算法及其应用
6.5.1差分进化算法
6.5.2差分进化算法的流程
6.5.3差分进化算法的改进
6.6量子进化算法及其应用
6.6.1量子进化算法的基本概念
6.6.2基本量子进化算法
6.6.3基本量子进化算法的流程
6.6.4基于量子进化算法的生产调度方法
6.7本章小结
讨论题
习题
第7章群智能优化算法与生产调度
7.1群智能优化算法的生物学背景
7.2模拟鸟群行为的粒子群优化算法
7.3粒子群优化算法的应用
7.3.1粒子群优化算法的应用概述
7.3.2粒子群优化算法在PID参数整定中的应用
7.3.3粒子群优化算法在车辆路径问题中的应用
7.4模拟蚁群行为的蚁群优化算法
7.4.1蚁群优化算法的生物学背景
7.4.2基本蚁群优化算法模型
7.5蚁群优化算法在生产调度中的应用
7.6本章小结
讨论题
第8章机器学习及其应用
8.1机器学习的基本概念
8.1.1学习
8.1.2机器学习
8.1.3机器学习系统
8.1.4机器学习的发展
8.2机器学习的分类
8.2.1机器学习的一般分类方法
8.2.2有监督学习与无监督学习
8.2.3弱监督学习
8.3机器学习的数据处理
8.3.1数据准备
8.3.2特征工程
8.4线性回归
8.4.1线性回归问题
8.4.2最小二乘法
8.4.3最小二乘法的应用
8.5K-近邻算法
8.5.1K-近邻算法的原理
8.5.2K-近邻基本算法
8.5.3K-近邻算法的应用举例
8.6决策树
8.6.1决策树的原理
8.6.2决策树的熵
8.7支持向量机
8.7.1支持向量机的基本思想
8.7.2线性支持向量机
8.7.3非线性支持向量机
8.8K-均值聚类算法
8.9本章小结
讨论题
习题
第9章人工神经网络与神经网络控制
9.1人工神经元与人工神经网络
9.1.1生物神经元结构
9.1.2生物神经元的数学模型
9.1.3人工神经网络的结构与学习
9.2机器学习的先驱——Hebb学习规则
9.3掀起人工神经网络第一次高潮的感知器
9.3.1感知器的结构
9.3.2线性分类器
9.3.3感知器的不足与发展方向
9.3.4人工智能冬天
9.4掀起人工神经网络第二次高潮的BP学习算法
9.4.1BP学习算法的提出
9.4.2BP神经网络
9.4.3BP学习算法
9.4.4BP学习算法的实现
9.5BP学习算法在模式识别中的应用
9.6基于人工神经网络的系统辨识
9.6.1前向模型辨识
9.6.2反向模型辨识
9.7基于人工神经网络的软测量
9.7.1软测量技术
9.7.2污水处理过程神经网络软测量模型
9.8基于人工神经网络的控制
9.8.1人工神经网络控制器
9.8.2人工神经网络预测控制
9.8.3人工神经网络模型参考控制
9.8.4人工神经网络内模控制
9.9本章小结
讨论题
习题
第10章深度学习与大语言模型
10.1动物视觉机理与深度学习大模型
10.1.1浅层学习的局限性
10.1.2动物视觉机理
10.1.3深度学习的提出
10.1.4大语言模型及其应用
10.2卷积神经网络及其应用
10.2.1卷积神经网络的结构
10.2.2卷积的物理、生物与生态学等意义
10.2.3卷积神经网络的卷积运算
10.2.4卷积神经网络中的关键技术
10.2.5卷积神经网络的应用
10.2.6深度学习的应用
10.3胶囊网络
10.3.1胶囊网络的基本思想
10.3.2胶囊网络的基本结构
10.3.3胶囊网络的学习运算
10.3.4胶囊网络的测试结果
10.4计算机视觉
10.4.1计算机视觉概述
10.4.2数字图像与计算机视觉的进展
10.4.3基于深度学习的计算机视觉
10.4.4人脸识别
10.4.5虹膜识别
10.5本章小结
讨论题
习题
第11章循环神经网络与自然语言理解
11.1自然语言理解的概念与发展
11.1.1自然语言理解的概念
11.1.2自然语言理解的发展历史
11.1.3语言处理过程的层次
11.2机器翻译方法概述
11.3循环神经网络
11.3.1循环神经网络的结构
11.3.2循环神经网络的训练
11.3.3长短期记忆神经网络
11.4基于循环神经网络的机器翻译
11.5语音识别
11.5.1语音识别的概念
11.5.2语音识别的主要过程
11.5.3语音识别的经典方法
11.5.4语音识别的深度学习方法
11.6本章小结
讨论题
第12章生成式人工智能及其应用
12.1生成对抗网络的基本原理
12.1.1生成对抗网络的提出
12.1.2生成对抗网络的结构
12.1.3生成对抗网络的训练
12.1.4生成对抗网络的改进
12.2生成式人工智能在图像生成中的应用
12.3生成式人工智能在语言生成中的应用
12.4生成式人工智能在视频生成中的应用
12.5本章小结
讨论题
第13章智能机器人及其应用
13.1机器人的产生与发展
13.2机器人中的人工智能技术
13.2.1机器人智能感知
13.2.2机器人智能导航
13.2.3机器人智能路径规划
13.2.4机器人智能运动控制
13.2.5机器人智能交互
13.3智能机器人的应用
13.3.1工业机器人
13.3.2农业机器人
13.3.3服务机器人
13.3.4医用机器人
13.3.5军用机器人
13.3.6无人机
13.4智能机器人技术展望
13.5智能机器人伦理问题
13.6本章小结
讨论题
参考文献