注册 | 登录读书好，好读书，读好书！
读书网-DuShu.com
当前位置： 首页出版图书科学技术计算机/网络人工智能人工智能与数字系统工程

人工智能与数字系统工程

人工智能与数字系统工程

定　价：¥59.00

作　者： （美）Adedeji B. Badiru
出版社： 北京航空航天大学出版社
丛编项：
标　签： 暂缺

购买这本书可以去

ISBN： 9787512438583 出版时间： 2022-09-01 包装：
开本： 16开 页数： 字数：  

内容简介

　　本书立足当今的数字时代发展特征，运用基于系统方法的思想，以独特的视角提出了人工智能（AI）和数字系统工程融合发展的概览趋势，启发人们理解人工智能对社会进步、工程创新实践的预示性意义。本书研究涉及商业、工业、政府、军队甚至学术领域等领域中人工智能普适性应用的基本范式，响应基于模型的系统工程（MBSE）的应用范式，针对系统中AI技术的实现，提出了设计、评估、证实和集成（DEJI）的系统工程流程模型。 \n本书特别适合于从事复杂组织体系研究的学者以及复杂体系工程开发、运行和验证的架构师、系统工程师等从业者使用，亦可作为系统工程大学教育的专业课程教材，同时还可供从事其他专业扩展人工智能交叉融合应用的人员使用。 \n

作者简介

　　Adedeji Badiru是美国空军理工学院系统工程方向的教授，就职于工程与管理研究生院。他曾是田纳西大学工业工程系教授和系主任、俄克拉荷马大学工业工程教授。他是一名注册的专业工程师（PE）、认证的项目管理专业人员（PMP）以及工业与系统工程师协会的会士。他著有30多本专著、合作书籍中的34个专著章节、80篇技术期刊文章，他还是多个专业协会和学术荣誉团体的成员。 \n高星海，研究员，北京航空航天大学无人系统研究院系统架构技术首席，国际系统工程委员会（INCOSE）认证系统工程师（CSEP）；曾任中国航空工业集团公司系统工程推进办公室副主任、智能制造论证专家组副组长，中国航空工业集团公司信息技术中心常务副主任、总工程师等；曾参与并主持两化深度融合创新体验中心的建设和运营。多年来，面向高端装备领域复杂体系和系统的开发和管理，大力推进基于模型的系统工程（MBSE）理论研究和创新实践，组织建立全球认可的系统工程培训认证体系、国内工行业领先的技术服务体系，培训各类系统工程技术和管理专业人员超过2 000人，已有350多人获得国际系统工程师认证。曾出版译著《基于模型的系统工程有效方法》《赛博物理系统工程建模与仿真》。作为主要发起人之一参加的“大型航空企业基于数字系统工程的正向创新型研发体系建设”项目，获全国企业管理现代化创新成果一等奖。 \n

图书目录

第1章理解人工智能1

\n

1.1简介3

\n

1.2历史背景4

\n

1.3人工智能的起源5

\n

1.4人类智能与机器智能7

\n

1.5首届人工智能大会12

\n

1.6智能程序的演变13

\n

1.7人工智能的分支17

\n

1.8神经网络18

\n

1.9专家系统的出现20

\n

1.10总结22

\n

参考文献24

\n

第2章专家系统：AI的软件方面25

\n

2.1专家系统流程27

\n

2.2专家系统特性27

\n

2.3专家系统的结构30

\n

2.3.1对专家系统的要求 32

\n

2.3.2专家系统的益处33

\n

2.3.3从数据处理到知识处理的转型34

\n

2.4启发式推理34

\n

2.5用户界面35

\n

2.6符号处理37

\n

2.7系统的未来发展方向38

\n

2.8专家系统领域的学术界与产业界的合作39

\n

2.9专家系统应用案例43

\n

第3章人工智能（AI）的数字系统框架67

\n

3.1人工智能的数字框架69

\n

3.2数字工程和系统工程70

\n

3.3DEJI系统模型的介绍71

\n

3.3.1面向系统质量应用DEJI系统模型73

\n

3.3.2数字数据的输入—流程—输出80

\n

3.4数字协同84

\n

3.5人工智能（AI）中的精益和六西格玛87

\n

3.6总结90

\n

参考文献91

\n

第4章人工智能中的神经网络应用93

\n

4.1介绍95

\n

4.2神经元节点的定义97

\n

4.3神经元节点的变体98

\n

4.4单神经元节点：McCullochPitt神经元节点100

\n

4.5单神经元节点作为二元分类器101

\n

4.6单个的神经元节点感知器102

\n

4.7关联存储器103

\n

4.8关联矩阵存储器103

\n

4.9WidrowHoff法104

\n

4.10LMS法105

\n

4.11自适应关联矩阵存储器105

\n

4.12纠错伪逆法106

\n

4.13自组织网络106

\n

4.14主成分法107

\n

4.15通过Hebb学习进行聚类108

\n

4.16Oja归一化聚类109

\n

4.17竞争学习网络110

\n

4.18多层前馈网络111

\n

4.18.1多层感知器111

\n

4.18.2异或（XOR）的示例111

\n

4.18.3误差反向传播112

\n

4.18.4误差反向传播算法的变体113

\n

4.18.5学习速度和动量114

\n

4.18.6其他误差反向传播问题115

\n

4.18.7反传播网络116

\n

4.19插值和径向基网络117

\n

4.19.1插值117

\n

4.19.2径向基网络118

\n

4.20单层反馈网络120

\n

4.21离散单层反馈网络121

\n

4.22双向关联存储器123

\n

4.23Hopfield神经网络123

\n

4.24总结126

\n

参考文献127

\n

第5章人工智能中的神经模糊网络应用129

\n

5.1技术比较131

\n

5.2执行模糊运算的神经元134

\n

5.3模拟模糊运算的神经元135

\n

5.4执行模糊推理的神经网络137

\n

5.5具有明确输入和输出的常规神经网络137

\n

5.6具有模糊输入和输出的常规神经网络138

\n

5.7模糊推理网络139

\n

5.8自适应神经模糊推理系统（ANFIS）140

\n

5.9交换性的应用142

\n

5.10聚类和分类143

\n

5.11多层模糊感知器145

\n

参考文献146

\n


本目录推荐