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

9.1 智能网 9.2 网络的智能化管理与控制 9.3 网上信息的智能化检索

8.1 Agent的概念 8.2 Agent的结构 8.3 Agent实例─Web Agent 8.4 多Agent系统 8.5 Agent的实现工具 8.6 Agent技术的发展与应用

7.1 基本概念 7.2 系统结构 7.3 实例分析 7.4 系统设计与实现 7.5 开发工具与环境 7.6 专家系统的发展

5.1 概述 5.2 基于谓词逻辑的机器推理 5.3 基于产生式规则的机器推理 5.4 几种结构化知识表示及其推理 5.5 不确定性知识的表示与推理

3.1 状态图搜索 3.2 状态图搜索问题求解 3.3 与或图搜索 3.4 与或图搜索问题求解

6.1 机器学习概述 6.2 符号学习 6.3 神经网络学习 6.4 知识发现与数据挖掘

2.1 基本PROLOG 2.2 Turbo PROLOG程序设计

西安石油大学：《人工智能导论》课程教学资源（教案讲义）实验大纲

西安石油大学：《人工智能导论》课程教学资源（教案讲义）实验指导书（小型专家系统设计与实现）