×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
暂无评论
图文详情
  • ISBN:9787512438583
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:168
  • 出版时间:2022-09-01
  • 条形码:9787512438583 ; 978-7-5124-3858-3

本书特色

人工智能(AI)已成为现代组织及复杂体系卓越运行的数字生命线,与之相关的技术和方法论正在引发人工智能科学和技术依托数字工程环境实施有效的转化,其中关键点在于人工智能的概念化和运行化的定义,并突出在系统思维框架下,重新审视和定位系统中各个元素在AI基础设施整体架构中的使能作用。 《人工智能和数字系统工程》致力于自然智能和人工智能的融合,立足当今数字工程发展转型特征,以独特的系统视角洞悉人工智能(AI)和数字系统工程融合的概览趋势,启发人们理解人工智能对社会进步、工程创新实践的预示性意义。研究涉及业务、工业、政府、军队甚至学术领域等领域中人工智能普适性应用的基本范式,结合基于模型的系统工程(MBSE)的应用范式,针对系统中AI技术的实现,从而提出“设计-评估-证实-集成” (DEJI)的系统工程生命周期流程模型。一方面用于确定概念过程的框架,而另一方面探索应用模型的技术平台。本书聚焦于此,力图澄清人工智能的各种角色、意义和背景,使组织和工程的管理者认知AI应用并接受其带来的结果,这正反映出了自然智能和人工智能的融合发展的合理过程。 关于人类智能和机器智能的认识,决定着未来人工智能在系统工程中的应用模式,有必要真正理解自然智能和人工智能的含义——自然智能涉及人类获取知识、知识推理并利用知识有效地解决问题的能力,当然也涉及基于现有知识开发新知识的能力。而相比之下,可以这样界定人工智能——机器利用所模仿人类的知识来解决问题的能力。当我们准备投入自然智能和人工智能的融合中,期望以系统为中心的方法论能助一臂之力。 面对所有的AI系统和流程,人们期望满足诸如有效性、高效性、易用性、优雅性、安全性、安保性、持续性等目标。本书提出人工智能的概念化和运行化的定义,强调在系统思维有关的背景下,每个元素如何在AI基础设施的整体架构中发挥作用。在人工智能的系统工程框架中,我们可采用构建系统视图的方式来定义那些达成的愿望;同时将采用基于系统的方法,针对业务、工业、政府、军队以及学术领域的各个方面,研究人工智能的普适性作用和独特的贡献,从而由系统方法促进设计、评估、证实和集成等流程的实现。 系统工程是一门致力于集成各种元素来实现更强大系统整体能力的学科。在今天,人们期望更具快捷、高效、适应、一致的系统集成能力,从人工智能(AI)的角度来看,数字时代由基于数字的科学、技术、工程和数学(STEM)所构成,因而数字框架对于AI的实现至关重要,关键的特征将涉及模型协同的生态、开放式架构、系统生命周期的可持续性集成、大规模计算的基础设施、安全数据存储和云部署、可用性和可访问性以及支持敏捷运用的数字平台等。DEJI系统工程生命周期流程模型为此提供一个方法,特别适用于数字系统中实现AI的概念化设计和运行化验证。

内容简介

本书立足当今的数字时代发展特征,运用基于系统方法的思想,以独特的视角提出了人工智能(AI)和数字系统工程融合发展的概览趋势,启发人们理解人工智能对社会进步、工程创新实践的预示性意义。本书研究涉及商业、工业、政府、军队甚至学术领域等领域中人工智能普适性应用的基本范式,响应基于模型的系统工程(MBSE)的应用范式,针对系统中AI技术的实现,提出了设计、评估、证实和集成(DEJI)的系统工程流程模型。 本书特别适合于从事复杂组织体系研究的学者以及复杂体系工程开发、运行和验证的架构师、系统工程师等从业者使用,亦可作为系统工程大学教育的专业课程教材,同时还可供从事其他专业扩展人工智能交叉融合应用的人员使用。

目录

第1章理解人工智能1

1.1简介3

1.2历史背景4

1.3人工智能的起源5

1.4人类智能与机器智能7

1.5首届人工智能大会12

1.6智能程序的演变13

1.7人工智能的分支17

1.8神经网络18

1.9专家系统的出现20

1.10总结22

参考文献24

第2章专家系统:AI的软件方面25

2.1专家系统流程27

2.2专家系统特性27

2.3专家系统的结构30

2.3.1对专家系统的要求 32

2.3.2专家系统的益处33

2.3.3从数据处理到知识处理的转型34

2.4启发式推理34

2.5用户界面35

2.6符号处理37

2.7系统的未来发展方向38

2.8专家系统领域的学术界与产业界的合作39

2.9专家系统应用案例43

第3章人工智能(AI)的数字系统框架67

3.1人工智能的数字框架69

3.2数字工程和系统工程70

3.3DEJI系统模型的介绍71

3.3.1面向系统质量应用DEJI系统模型73

3.3.2数字数据的输入—流程—输出80

3.4数字协同84

3.5人工智能(AI)中的精益和六西格玛87

3.6总结90

参考文献91

第4章人工智能中的神经网络应用93

4.1介绍95

4.2神经元节点的定义97

4.3神经元节点的变体98

4.4单神经元节点:McCullochPitt神经元节点100

4.5单神经元节点作为二元分类器101

4.6单个的神经元节点感知器102

4.7关联存储器103

4.8关联矩阵存储器103

4.9WidrowHoff法104

4.10LMS法105

4.11自适应关联矩阵存储器105

4.12纠错伪逆法106

4.13自组织网络106

4.14主成分法107

4.15通过Hebb学习进行聚类108

4.16Oja归一化聚类109

4.17竞争学习网络110

4.18多层前馈网络111

4.18.1多层感知器111

4.18.2异或(XOR)的示例111

4.18.3误差反向传播112

4.18.4误差反向传播算法的变体113

4.18.5学习速度和动量114

4.18.6其他误差反向传播问题115

4.18.7反传播网络116

4.19插值和径向基网络117

4.19.1插值117

4.19.2径向基网络118

4.20单层反馈网络120

4.21离散单层反馈网络121

4.22双向关联存储器123

4.23Hopfield神经网络123

4.24总结126

参考文献127

第5章人工智能中的神经模糊网络应用129

5.1技术比较131

5.2执行模糊运算的神经元134

5.3模拟模糊运算的神经元135

5.4执行模糊推理的神经网络137

5.5具有明确输入和输出的常规神经网络137

5.6具有模糊输入和输出的常规神经网络138

5.7模糊推理网络139

5.8自适应神经模糊推理系统(ANFIS)140

5.9交换性的应用142

5.10聚类和分类143

5.11多层模糊感知器145

参考文献146


展开全部

作者简介

Adedeji Badiru是美国空军理工学院系统工程方向的教授,就职于工程与管理研究生院。他曾是田纳西大学工业工程系教授和系主任、俄克拉荷马大学工业工程教授。他是一名注册的专业工程师(PE)、认证的项目管理专业人员(PMP)以及工业与系统工程师协会的会士。他著有30多本专著、合作书籍中的34个专著章节、80篇技术期刊文章,他还是多个专业协会和学术荣誉团体的成员。 高星海,研究员,北京航空航天大学无人系统研究院系统架构技术首席,国际系统工程委员会(INCOSE)认证系统工程师(CSEP);曾任中国航空工业集团公司系统工程推进办公室副主任、智能制造论证专家组副组长,中国航空工业集团公司信息技术中心常务副主任、总工程师等;曾参与并主持两化深度融合创新体验中心的建设和运营。多年来,面向高端装备领域复杂体系和系统的开发和管理,大力推进基于模型的系统工程(MBSE)理论研究和创新实践,组织建立全球认可的系统工程培训认证体系、国内工行业领先的技术服务体系,培训各类系统工程技术和管理专业人员超过2 000人,已有350多人获得国际系统工程师认证。曾出版译著《基于模型的系统工程有效方法》《赛博物理系统工程建模与仿真》。作为主要发起人之一参加的“大型航空企业基于数字系统工程的正向创新型研发体系建设”项目,获全国企业管理现代化创新成果一等奖。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航