人机系统智能优化方法：性能预测与决策分析

第一篇 智能优化与知识发现的综合集成方法
第1章 人工智能的两大研究领域及其主要方法
1．1 智能和人工智能的概念及其基本特征
1．2 人工智能研究的主要途径和基本内容
1．3 人工智能研究中的搜索策略与主要方法
1．4 知识表示的几种方法以及问题求解的基本过程
习题与思考1
第2章 常用的性能预测智能优化方法
2．1 进化优化算法所涉及的主要内容及其一般框架
2．2 禁忌搜索算法
2．3 遗传算法，
2．4 模拟退火算法
2．5 蚁群算法
2．6 捕食搜索策略
2．7 粒子群优化算法
习题与思考2
第3章 决策分析的几种重要策略
3．1 决策理论发展简史及与其他学科的联系
3．2 随机性决策的效用函数与决策分析的基本步骤
3．3 Bayes定理、Bayes策略与Bayes分析
3．4 模糊多准则决策问题以及多属性决策方法
3．5 动态规划概述以及多阶段决策与序贯决策
3．6 多目标决策理论基础以及多属性决策解法的统一框架
习题与思考3
第4章 智能优化方法与知识模型融合的集成框架
4．1 知识和知识模型．
4．2 智能优化与知识模型融合的基本框架
4．3 智能优化与知识模型融合的运行机制
4．4 智能优化与知识模型融合中的知识
4．5 智能优化与知识模型融合的框架和流程
习题与思考4
第二篇 智能优化在人机系统中的应用
第5章 神经工效学中的智能量化分析
5．1 神经工程与神经工效学的概述
5．2 脑神经电信号的检测及脑电图的结构
5．3 工效学中的神经电信号及ERP初步分析
5．4 人机界面工效学设计原则及注意力分配建模
5．5 神经电信号处理的基础算法
5．6 基于认知神经学的一类人机交互界面评价技术
习题与思考5
第6章 复杂人机系统中性能预测的几种高效算法及其应用
6．1 小波神经网络算法及小波函数的选择
6．2 模糊神经网络算法及连接权重矩阵的调整
6．3 灰色系统性能建模与定量预测
6．4 反映神经细胞工作原理的RNN和PCNN模型
6．5 深度学习以及卷积神经网络技术
6．6 WNN算法在优化三维叶片与射流元件中的应用
6．7 卷积神经网络在人机工程中的应用
习题与思考6
第7章 数据挖掘和知识发现在可靠性工程中的应用
7．1 知识发现和数据挖掘在多个领域中的应用
7．2 关联规则的挖掘及其设备的故障诊断
7．3 确信可靠性方法的理论基础及指标间的转化关系
7．4 考虑认知不确定的性能裕量模型以及BRA技术
7．5 不确定理论与DEA融合技术及其应用
7．6 PSF与TSA融合的人因可靠性智能方法及应用
习题与思考7
第8章 数据挖掘和知识发现在文本与互联网挖掘的应用
8．1 非结构化文本与多媒体信息的知识表示
8．2 文本挖掘的常用方法以及基本框架
8．3 视频文本检测与内容检索的智能方法
8．4 互联网金融爬虫的智能搜索
8．5 时序金融信息流概述及其智能挖掘
习题与思考8
第9章 复杂决策问题的建模与系统智能评价方法
9．1 复杂系统的概念以及决策问题的分类
9．2 结构化与半结构化决策问题求解方法
9．3 贝叶斯网络方法的基本原理
9．4 基于多Agent分布式智能决策方法及其应用
9．5 复杂系统广义智能评价的几种方法
习题与思考9
第10章 人机系统高维多目标智能优化技术
10．1 多目标进化方法
10．2 多目标进化算法中的三代NSGA技术
10．3 多目标优化中的DE-EDA混合搜索算法
10．4 改进的Two-Archive高维多目标进化算法
习题与思考10
第三篇 未来人机系统：信息科学与智能技术融合策略
第11章 基于人工智能与认知计算的现代人机系统及其展望
11．1 全信息的描述及其度量方法：信息科学基础
11．2 第一类信息转换原理以及感知、注意与记忆问题
11．3 智能生成机制及其第二类信息转换原理
11．4 基础意识的生成机制：第二类A型信息的转换
11．5 情感的生成机制：第二类B型信息的转换
11．6 理智的生成机制：第二类C型信息的转换
11．7 策略执行的机制：第二类D型信息的转换
11．8 人类智能系统主要功能模块及其工作过程
11．9 未来人机系统的展望
习题与思考11
后记
参考文献