1. 为什么要研究人工智能 2. 人工智能的发展历史 3. 人工智能的研究领域 4. 参考文献

1.1智能建筑 1.2智能建筑中的计算机网络 1.3智能建筑中的电话系统 1.4智能建筑与综合布线 1.5综合布线系统的概念 1.6综合布线系统组成 1.7常用通信术语

1. 脑科学的启示 2. 人工智能基础 3. 脑机接口技术 4. 智能控制与机器人 5. 小结

1. 为什么要研究人工智能 2. 人工智能的发展历史 3. 人工智能的研究领域 4. 参考文献

一般机器人是指不具有智能，只具有一般编程能力和操作功能的机器人。到目前为止，在世界范围内还没有一个统一的智能机器人定义。大多数专家认为智能机器人至少要具备以下三个要素：一是感觉要素，用来认识周围环境状态；二是运动要素，对外界做出反应性动作；三是思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

为了解决带有纯滞后的监控AGC系统的控制问题,提出了基于RBF神经网络的PID控制器与Smith预估器相结合的智能PID控制系统,并对传统监控AGC、应用Smith预估器的监控AGC及应用智能PID控制的监控AGC系统进行了仿真.结果表明,应用智能PID控制的监控AGC系统收敛速度明显加快,适应能力与鲁棒性比常规PID控制要好

基于数值模拟和人工神经网络模型以及对智能控制工艺过程的适当简化,为拉伸样模型的注射过程建立了一套智能化控制仿真系统.研究表明,该系统能够根据样品对性能的要求(如密度分布),自动进行注射工艺参数的优化.采用优化后的注射工艺参数重新进行注射过程模拟计算后,发现注射坯密度分布的均匀性较调整前有显著提高,基本符合预期的密度要求,证明智能化控制仿真系统可行

提供了一种机械设备的智能型计算机辅助设计系统,它的特点在于,根据设备设计各个阶段的特点,分别采用了智能推理、类比设计的人工智能选型、机械零件常规的设计计算及零件的优化设计

▪ 智能建筑的定义 ▪ 智能建筑的发展 ▪ 智能建筑的构成 ▪ 开放的智能建筑系统