运用人工智能(AI)理论和知识工程技术,使传统的设备故障诊断系统成为基于深知识的知识中心型专家系统。它与机械设计专家系统利用同样的对象模型及其阶层构造和性能框架,在进行设计推理,探索最优设计方案的同时,从深知识推导出诊断故障所需的因果关系,寻找设备的故障及其原因所在,从而使原本各自独立存在、独立运行的两类专家系统融成一体,形成故障诊断,机械设计综合专家系统

《人工智能导论》为计算机科学技术专业和软件工程专业的一门选修课，其目的是使学生初步了解人工智能的基本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基础。本课程的具体要求为： 1. 了解人工智能的基本概念、分支领域及其发展概况； 2. 理解知识表示及其推理的基本原理，掌握其基本技术； 3. 理解基于搜索的问题求解基本原理，掌握其基本技术； 4. 理解机器学习、知识发现的基本原理；初步掌握其基本方法； 5. 学会一种人工智能程序语言，掌握简单的智能程序设计方法； 6. 能综合运用所学知识，设计实现一个小型专家系统。 教学重点、难点： 1. 搜索与问题求解； 2. 知识表示及其推理； 3. 机器学习与知识发现； 4. 专家系统原理与设计

本书运用信息化与物联网工程技术理论，全面分析国内外能源电力物联网工程技术研究现状与发展趋势、我国能源电力物联网应用工程技术发展特点、智能变电站物联网工程技术与应用、输电线路物联网感知工程技术与应用、供用电物联网通信工程技术与应用、配电系统物联网工程技术与应用、电力GIS物联网工程技术与应用、无线移动通信物联网工程技术与应用、电力人工智能物联网工程技术与应用等，力求反映电力信息化与物联网应用工程技术的最新发展理论与工程实践研究成果，通过电力物联网工程技术实际案例，针对电力信息化与物联网工程领域存在的问题，提出了相应的解决方案。本书可作为高等院校相关专业教材，也可作为能源电子行业的培训教材，还可作为企事业单位电力物联网工程相关人员的参考用书。 第1章 绪论 第2章 电力物联网工程技术基础理论 第3章 电力物联网工程技术基础知识 第4章 智能变电站物联网工程技术与应用 第5章 输电线路物联网感知工程技术与应用

将神经网络与人工智能技术相结合,提出了1种新型的知识表示的形式化描述和知识单元。知识通过模式分类导入,并用IMSBP和(B-B)BP调节2种不同类型的权。在此基础上提出了神经网络的双向求解策略。以加热炉控制验证了其可行性

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径