人工智能技術及應用

第1章　緒論
　1.1　人工智能的發(fā)展過程
　　1.1.1　萌芽期(1956年以前)
　　1.1.2　形成時期(1956—1961年)
　　1.1.3　發(fā)展時期(1961年以后)
　　1.1.4　人工智能的研究熱點與展望
　1.2　人工智能研究的內容
　　1.2.1　知識表示
　　1.2.2　自動推理
　　1.2.3　機器學習
　1.3　人工智能研究的意義和目標
　　1.3.1　人工智能研究的意義
　　1.3.2　人工智能研究的目標
　1.4　智能化信息技術在石油化工行業(yè)的應用
　　1.4.1　石油化工行業(yè)的信息化
　　1.4.2　智能化信息技術在石油化工行業(yè)的應用
第2章　模糊邏輯和專家系統
　2.1　模糊數學基礎
　　2.1.1　模糊集合
　　2.1.2　模糊關系
　　2.1.3　模糊推理
　2.2　模糊控制器結構及原理
　　2.2.1　模糊控制器的結構
　　2.2.2　模糊控制器的設計
　　2.2.3　模糊控制器的特點
　2.3　基于規(guī)則推理的專家系統
　　2.3.1　專家系統的定義與分類
　　2.3.2　專家系統的結構
　　2.3.3　基于規(guī)則推理的專家系統
　2.4　應用實例
　　2.4.1　電氣傳動系統：直流調速系統的模糊控制器設計
　　2.4.2　DCS故障診斷專家系統
　參考文獻
第3章　人工神經網絡
　3.1　人工神經網絡的基本概念
　　3.1.1　人工神經網絡簡介
　　3.1.2　生物神經元模型
　　3.1.3　人工神經網絡的模型
　　3.1.4　人工神經網絡的分類
　　3.1.5　神經網絡的學習方式
　3.2　BP人工神經網絡結構及學習
　　3.2.1　BP人工神經網絡結構
　　3.2.2　BP人工神經網絡學習法
　3.3　常用人工神經網絡簡介
　　3.3.1　徑向基函數(RBF)網絡
　　3.3.2　Hopfield網絡
　3.4　人工神經網絡在石化行業(yè)中的應用實例
　　3.4.1　BP學習算法的改進
　　3.4.2　神經網絡在石油化工過程故障診斷中的應用
　參考文獻
第4章　遺傳算法
　4.1　遺傳算法的基本原理
　　4.1.1　遺傳算法的相關知識
　　4.1.2　遺傳算法的基本思想和一般結構
　4.2　遺傳算法的應用技術基礎
　　4.2.1　選用遺傳算法的原因
　　4.2.2　遺傳算法的應用性能評價
　　4.2.3　遺傳算法的具體實現方法
　4.3　幾種重要的改進遺傳算法
　　4.3.1　小生境技術遺傳算法
　　4.3.2　混合遺傳算法
　　4.3.3　并行遺傳算法
　4.4　遺傳算法的應用實例
　　4.4.1　遺傳算法在石化企業(yè)生產調度中的應用
　　4.4.2　遺傳算法在石化多效并流蒸發(fā)器設計中的應用
　4.5　多變異擬子基因共同進化算法(3MGcA)
　參考文獻
第5章　人工免疫系統
　5.1　人工免疫系統的基本概念
　　5.1.1　生物免疫系統
　　5.1.2　人工免疫系統的仿生機理
　5.2　陰性選擇算法
　　5.2.1　人工免疫算法的基本思想和一般結構
　　5.2.2　陰性選擇算法
　5.3　人工免疫系統應用實例1——故障檢測
　　5.3.1　應用背景和問題的提出
　　5.3.2　振動診斷系統設計
　　5.3.3　故障診斷策略
　5.4　人工免疫系統應用實例2——計算機病毒檢測
　　5.4.1　應用背景和問題的提出
　　5.4.2　檢測數據的選取
　　5.4.3　基于人工免疫算法的計算機病毒檢測模型
　　5.4.4　病毒檢測系統的工作流程
　　5.4.5　實驗結果分析
　參考文獻
第6章　人工智能的研究現狀和發(fā)展趨勢
　6.1　人工智能技術的研究現狀及展望
　　6.1.1　模糊控制技術研究現狀及展望
　　6.1.2　神經網絡技術研究現狀及展望
　　6.1.3　遺傳算法研究現狀及展望
　　6.1.4　免疫算法研究現狀及展望
　6.2　人工智能技術在石化工業(yè)應用的現狀
　　6.2.1　數據采集、處理、軟測量技術
　　6.2.2　石油化工復雜生產過程建模
　　6.2.3　故障診斷
　　6.2.4　優(yōu)化控制
　參考文獻