介绍了电炉炼钢过程电极升降智能复合控制原理和方法。在熔化期采用Bang-Bang控制,在氧化期采用模糊控制,在还原期采用PLD控制,这三者协调采用智能操作。实验结果表明:它有调节速度快,稳态误差小和跟踪能力强的特点

为了提高网格的智能水平和协调能力以及协同分布的网格服务,支持动态的计算环境和多变的用户需求,提出了协同智能网格CIG(cooperative intelligent grid).CIG以OGSA为基础,应用分布式人工智能和分布协调控制的理论和方法来研究和解决网格中如何高效准确地协同现有的网格服务以完成所面临的任务.文中描述了CIG的概念和体系结构,从社区/联邦式政策导向型的系统结构、领域自适应的中介服务协作机制和理性化协商机制等方面构建开放动态的CIG.CIG可以有效地组织各网格实体的协调、协商和合作,提高了服务组合的自动化程度和抽象层次

介绍了多机架与多种AGC控制功能的智能化协调控制,AGC调节过程中参数智能化修正以及监控AGC中模糊控制方法,并给出了实际控制效果和结论

提出了以人工智能思想为指导的图像数据库的智能检索方法,它利用模式识别技术和图像处理技术,同时考虑启发性知识.该方法用图像特征向量代表图像并进行聚类分析以建立图像库的检索树,应用最佳优先搜索方法在检索树上找出用户满意的图像.重点探讨了如何利用专家的经验知识和通过样本训练得到启发评价函数,并推出了启发评价函数存在的条件

第一章 竞技体育与运动训练 第一节 竞技体育引论 第二节 运动训练学及其理论体系 第三节 运动成绩与运动员竞技能力 第二章 运动训练的科学管理 第一节 运动训练的管理体系 第二节 高水平运动队的训练管理 第三节 高等院校及职业俱乐部优秀运动员的管理 第三章 运动员选材 第一节 运动员选材概述 第二节 运动员选材的生物学基础 第三节 运动员科学选材的实施 第四章 运动训练的基本原则 第一节 比赛需要与竞技准备原则 第二节 系统训练与周期安排原则 第三节 整体推进与区别对待原则 第四节 适宜负荷与适时恢复原则 第五节 充分激励与有效控制原则 第五章 运动训练方法与手段 第一节 运动训练方法与手段概述 第二节 运动训练方法的演进体系 第三节 运动训练方法体系与应用 第四节 运动训练手段体系与应用 第六章 运动员体能及其训练 第一节 运动员体能训练概述 第二节 身体形态及其训练 第三节 力量素质及其训练 第四节 速度素质及其训练 第五节 耐力素质及其训练 第七章 运动员技术能力及训练 第一节 运动技术与运动员技术能力 第二节 协调能力是技术能力的重要基础 第三节 技术训练常用方法 第四节 运动技术训练的基本要求 第五节 运动项群技术训练要点 第八章 运动员战术能力及其训练 第一节 竞技战术与运动员战术能力 第二节 战术训练方法 第三节 战术方案的制定 第四节 战术训练的基本要求 第九章 运动员心理能力与运动智能及其训练 第一节 运动员心理能力及其训练 第二节 运动智能及其训练 第三节 运动员心理训练与智能训练的相关问题 第十章 多年训练过程的计划与组织 第一节 运动训练过程与运动训练计划 第二节 运动员的多年训练过程 第三节 全程性多年训练计划 第四节 区间性多年训练计划 第十一章 运动员年度训练过程的计划与组织 第一节 年度训练中的周期安排 第二节 大周期训练计划的基本构成模式 第三节 年度训练过程中比赛系列及负荷的动态变化 第四节 赛前中短期集训的训练安排 第五节 年度训练计划表 第十二章 训练周课过程的计划与组织 第十三章 参赛的准备、进行与总结 第四节 参赛总结 第十四章 项群训练理论

运用智能管理，库存论和决策分析等基本思想，提出一种面向管理决策者的设备备件管理智能决策支持系统的设计方法，初步确定出其实现步骤和模型系统

介绍了采用微型机实现带积分型的智能随动系统的原理和方法并给出了程序框图.实时控制结果表明:该智能随动系统的速度跟随误差远小于数字PI、PID和无波纹最小拍随动系动,明显地提高了系统的快速性

基于模糊推理的智能控制 （1）模糊集合与模糊推理 （2）模糊推理系统 （3）模糊建模与辨识 （4）模糊控制系统 （5）模糊控制系统的稳定性

一. 人工智能、专家系统、机器学习 1. 人工智能 分四个阶段：第一阶段：智力难题的求解（修道士过河） 第二阶段：自然语言理解，景物分析等 第三阶段：专家系统（推理） 人工智能走向实用

2.1 人工智能的起源与发展 2.2 机器学习方法简介 2.3 机器学习方法初级应用介绍 2.3 人工智能的环境岩土工程应用案例 2.4 基于高斯过程的污染土场地勘察 2.5 小节与思考