Part 1: Overview—AI &CI Part 2: Introduction to AI Part 3: Representation of Knowledge Part 4: 知识推理技术 Part 5: Artificial Neural Network（ANN）

本文论述新型计算机管理系统-智能管理系统的设计方法与实现技术

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法（simulated annealing，SA） 10.4 神经网络权值的混合优化学习策略

杭州电子科技大学：《人工智能导论》课程教学资源（PPT课件讲稿）第二讲 人工智能概述

 人工智能芯片发展历程  华为昇腾310 AI 处理器  Atlas200DK AI开发者套件

1.1 嵌入式AI概念 1.3 中国AI芯片发展状况 1.2 嵌入式AI实现手段 1.4 嵌入式AI典型应用

研究了基于比例、积分和微分控制分量非线性方法合成的非线性PID智能控制器.该PID控制器将比例、积分和微分控制分量分别用三角函数表示为误差信号的非线性函数,并通过三个独立的非线性函数构造合成PID控制器.通过在线调整三个独立非线性函数的权值系数,使该控制器实现不依赖于非线性对象模型的智能控制.仿真结果表明该控制器具有优异的非线性控制性能

钢铁企业面临库存增加、产能过剩、盈利艰难等问题，迫切需要通过绿色化和智能化的发展来应对当前的严峻形势.基于钢铁企业制造流程特点，通过分析企业以铁素流为核心的物质流和相应能量流网络特征，针对企业现有信息化系统在物质流和能量流协同方面存在的问题，提出钢铁制造过程的物质流和能量流的协同方法，明确物质流和能量流的耦合应从钢铁制造的单元工位设备与整体流程网络两个层面进行规划、设计和实施，并且指出可从完善信息监控、进行计划协同和调度协同三个方面来实现协同优化.构想基于现有信息系统架构，通过增加相应企业资源计划系统、制造执行系统、能源管理系统等信息系统的功能，以及建立物质流和能量流协同优化信息子系统的方式，以钢铁制造过程的物质流和能量流相关信息的数字化及模型化为支撑，实现制造流程的物质流和能量流协同优化，达成生产优化、资源优化和能源优化的效果

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略

10.1 交通大数据科技创新发展概况 10.2 交通大数据科技创新发展概况 10.3 交通大数据应用创新核心技术分析 10.4 一个基于群智协同与多要素融合的智能交通指挥系统设计方案 10.5 交通大数据智能研判应用创新：案例分析 10.6 本章小结