智能系统 结构、设计与控制2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能系统 结构、设计与控制PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 自然和人造系统中的智能1

1.1 引言1

目录1

1.2 智力与智能概念进展的简单综述3

1.3 智能系统：我们能从非智能系统中区分出智能系统吗9

1.4 智能：行为与交流的产物和工具12

1.4.1 有益的行为12

1.4.2 有效的符号表示13

1.4.3 基本作用回路14

1.5.2 自动性的概念以及它是怎样学习的15

1.5 自动性的演变过程15

1.5.1 学习自动性15

1.5.3 从反射和规则到程序16

1.5.4 从程序到自组织17

1.6 从代理体到多标度代理群体18

1.6.1 代理体的概念及其在技术发展中的地位18

1.7 认知代理体和结构22

参考文献24

习题29

2.1 智能系统结构的数学框架30

2.1.1 离散数学在发展智能系统形式理论中的作用30

第2章 智能系统的理论基础30

2.1.2 离散数学应用于什么对象31

2.1.3 离散数学做什么？我们的目标是什么32

2.2 智能系统和过程的形式模型33

2.2.1 多分辨率演算的基本过程34

2.2.2 现有的集合定义36

2.2.3 什么是状态？它与对象概念的关系如何？什么是变化39

2.2.4 用GFS三元组形成新的对象40

2.2.5 对象之间的关系：什么是关系？关系的特性是什么？关系是可测的吗42

2.2.6 表示方法和现实情况42

2.2.7 自动机形式的模型：基本的代理体44

2.2.8 多分辨率自动机45

2.2.9 智能系统的自治与目标定向47

2.3 必要的术语和假设47

2.3.1 坐标、辖域和分辨率47

2.3.2 状态和状态空间49

2.3.3 从对象到实体50

2.3.4 簇和类50

2.3.5 不可分辨性51

2.3.6 表示方法52

2.4 对象的建立和特征52

2.4.1 新类的形成52

2.4.2 回归递阶结构和表示的变态递阶结构53

2.5.1 组成分量的自然分组55

2.5 从现实中抽取实体55

2.5.2 在科学过程中的分组57

2.5.3 分组导致了多分辨率结构59

2.5.4 抽象、集结和泛化的区别61

2.6 分组＋过滤十搜索：自组织的基本单元62

2.6.1 GFS的概念62

2.6.2 GFS的作用64

2.7 相对智能与它的进化66

2.8.1 相似性问题68

2.8.2 关于构造的应用算法之间的相似性68

2.8 自然界和表示中关于构造过程的相似性68

2.9 智能系统结构的符号语言框架70

2.9.1 什么是符号语言学70

2.9.2 符号闭包70

2.9.3 指号过程：符号系统中的学习过程72

2.9.4 映像与意识74

参考文献75

习题76

第3章 知识的表示78

3.1 表示自然界的问题78

3.1.1 多姿多彩的现实世界78

3.1.2 认识论79

3.1.3 知识理论的演变81

3.1.4 符号语言学及其前景83

3.2 什么是知识84

3.2.1 知识现象84

3.2.2 与知识有关的术语85

3.2.3 存储知识87

3.2.4 为什么出现知识表示的需求88

3.3 大脑中知识的表示：获取自动化90

3.3.1 基本信息处理单元：神经元90

3.3.2 搜索和存储模式的系统：神经元网络90

3.4 大脑的感知和符号表示91

3.4.1 一般性评论…………………………………………………………………………9l3.4.2 感知图像……………………………………………………………-91

3.4.3 大脑中的符号表示93

3.5 参考坐标系、想像力和洞察力94

3.6 知识表示、实体和相关结构的原理95

3.6.1 嵌套递阶的知识构成95

3.6.2 知识表示原理的定义与假设97

3.6.3 知识相关的ELF作用机制的定义104

3.6.4 实体的类型与类别106

3.6.5 D结构的一般特征108

3.6.6 标签的性质111

3.7 知识的多分辨率特征及其复杂性114

3.7.1 状态空间的分解114

3.7.2 准确度115

3.7.3 知识的嵌套116

3.7.4 构建多尺度知识表示的递归算法117

3.8 知识表示的虚拟现象118

3.8.1 瞬时感知处理的表示118

3.8.2 中间表示119

3.8.3 长期记忆的表示119

参考文献120

习题122

4.1.1 执行器124

4.1.3 感知处理124

4.1.2 传感器124

4.1 参考结构的组成部件124

第4章 参考结构124

4.1.4 环境模型125

4.1.5 判值125

4.1.6 行为生成125

4.2 智能系统参考结构的演变125

4.3 水平“同层次”连接的递阶结构128

4.4 分辨率的层次129

4.5 体系结构的神经部件132

4.6 行为生成的递阶结构134

4.6.1 智能机器人自底向上的例子134

4.7.1 基本作用回路（ELF）135

4.7 多分辨率结构的分析135

4.7.2 ELF的基本分解137

4.7.3 ELF的递阶结构：NIST-RCS的本质138

4.7.4 集成的NIST-RCS模块140

4.8 基于代理体的参考结构141

4.8.1 智能软件的基本单元141

4.8.2 基于代理体层次的作用142

参考文献144

习题144

5.1 内部需求与外部目标148

5.1.1 神经生理学模型148

第5章 动机、目标与判值148

5.1.2 从本能到动机到驱动再到情感150

5.1.3 动机151

5.1.4 从动机到目标152

5.1.5 各种方法152

5.1.6 “目标”概念的发展154

5.1.7 目标形成与比较的认知理论155

5.2 判值157

5.2.1 一般定义157

5.2.2 （脑）边缘系统157

5.2.3 值状态变量158

5.2.4 VJ模块160

5.3.1 符号和基本前提162

5.2.5 值状态变量的映射图覆盖162

5.3 达到目标：利用变分法的优化162

5.3.2 线性化的三阶对象：DC电机模型163

5.3.3 通过变分法进行优化164

5.3.4 结果与讨论169

参考文献171

习题173

第6章 感知处理174

6.1 层内和层间的处理174

6.1.1 集注（CFS的F）174

6.1.2 建立分组假设（GFS中的G和S）176

6.1.3 分组假设的计算属性（GFS中的G）177

6.1.4 选择和确认（GFS中的S）178

6.1.5 实体的分类、识别和组织178

6.2 作为层次模块的感知处理179

6.2.1 信息源181

6.2.2 状态空间的棋盘格化：采样182

6.2.3 噪声、不确定性和模糊性183

6.2.4 假设的建立和测试183

6.2.5 初始化186

6.3 感知处理的递阶结构187

6.3.1 SP中自然出现的表示的递阶结构187

6.3.2 在最高分辨率的两个相邻层次的处理189

6.3.3 在上面的层次发生了什么193

6.4 感知处理的多分辨率实质197

参考文献198

习题200

第7章 行为生成201

7.1 多分辨率行为生成的基本概念201

7.1.1 定义201

7.1.2 行为生成：从泛化到实例化的回归综合205

7.2 BG结构207

7.2.1 虚拟回路207

7.2.2 实时控制和规划：不确定源怎样影响它们211

7.2.3 虚拟ELF的嵌套212

7.3 多分辨率控制的策略：嵌套递阶结构的生成213

7.3.1 规划-控制的离线决策过程213

7.3.2 在线决策期间嵌套的递阶信息的细化214

7.3.3 嵌套的模块219

7.4 行为生成的整体组织221

7.4.1 计算行为的主要概念221

7.4.2 BG模块223

7.4.3 行为生成的实际例子226

7.4.4 对实际例子的泛化：理论概述229

7.4.5 多分辨率递阶规划的算法（NIST-RCS规划器）230

7.4.6 BG模块综述233

7.5 规划器240

7.5.1 规划的计算过程240

7.5.2 规划器的功能和认识论241

7.5.3 在多分辨率空间中规划与在抽象空间中规划242

7.5.4 任务空间中的规划和运动规划244

7.5.5 反应决策与谨慎决策245

7.5.6 规划器的内部包含什么246

7.6 执行器的结构和作用255

7.6.1 处理规划的结果255

7.6.2 执行器的结构258

7.6.3 执行器的操作259

7.6.4 作为任务发生器的执行器260

7.7 结论：在智能系统中集成BG模块261

参考文献262

习题265

第8章 多分辨率规划：理论框架266

8.1 规划概述266

8.1.1 规划领域中主要成果的概述266

8.1.2 与规划相关的定义267

8.1.3 规划是控制的一个阶段270

8.2.3 表示和规划271

8.2.2 问题的结构源271

8.2 规划中出现的问题271

8.2.1 行为生成的一般问题271

8.2.4 智能系统中规划问题的分类273

8.3 动作规划和状态规划274

8.3.1 规划算法274

8.3.2 基于可视性的规划275

8.3.3 局部规划：环境表示的势场276

8.3.4 全局规划：搜索轨迹276

8.4 规划和学习之间的联系276

8.4.1 学习是表示的源泉276

8.4.2 规划和学习之间的相互关系277

8.5.1 规划的递阶多分辨率组织278

8.5 行为生成体系结构中的规划278

8.5.2 实例研究：自主车的驾驶仪279

8.6 多分辨率空间中的路径规划283

8.6.1 状态空间的表示283

8.6.2 专家规则／启发式284

8.6.3 减少计算时间的技术286

8.6.4 实验结果287

8.7 多分辨率规划——提高行为生成效率的工具288

8.7.1 多分辨率规划体现系统的智能288

8.7.2 多分辨率规划降低了计算的复杂度290

8.7.3 一般的S3搜索算法用于复杂度降低的规划293

8.7.4 棋盘格化294

8.7.5 表示的测试295

8.7.6 搜索299

8.7.7 连续细化301

8.7.8 复杂度的评估303

参考文献304

习题308

第9章 规划器／执行器模块的多分辨率递阶结构309

9.1 混合控制递阶结构309

9.2 理论基础310

9.3 标准的混合规划器／执行器模型312

9.3.1 基本控制结构312

9.3.2 标准混合规划器／执行器模型的嵌套和回归应用314

9.3.3 环境模型：知识的维护316

9.3.4 嵌套和带宽分离317

9.4 配有生产系统的规划器／执行器模块的拟最小时间作用319

9.4.1 关于系统动力学的假设319

9.4.2 关于推动力形成的假设323

9.4.3 关于阻力的假设323

9.4.4 确定控制周期的标准分量323

9.4.5 用标准分量组合控制周期的生产系统325

9.4.6 实际系统的仿真327

9.5 通过前向搜索的近似逆330

9.5.2 参考轨迹的近似逆映射的概念331

9.5.1 概述331

9.5.3 用搜索过程求近似逆333

9.5.4 实验结果335

9.6 多速率递阶预测控制系统341

9.6.1 概述341

9.6.2 求平均小波算法的递阶结构342

9.6.3 递阶控制器的设计343

9.6.4 仿真结果344

9.6.5 多速率递阶控制器347

9.7 结论350

参考文献351

习题353

第1O章 学习355

10.1 智能系统和学习355

10.2 学习的定义355

10.3 隐式和显式逻辑及学习的心理图式359

10.3.1 “引导”知识的需要：公理和“自明”原理359

10.3.2 格式塔（Gestalt）原理：发现见识的实体360

10.3.3 重复性：归纳、演绎和推理362

10.3.4 回归和迭代362

10.3.5 学习的类型学362

10.4.1 作为学习的组成部分的估计和识别369

10.4 通过学习获取信息：应用领域………………………………………………-369

10.3.6 关于自适应和学习系统之间的区别369

10.4.2 理论的应用领域370

10.5 学习控制系统的公理性理论372

10.5.1 公理372

10.5.2 学习控制系统376

10.5.3 出现的非常规议题379

10.5.4 外部系统和多重执行380

10.6 学习和行为生成：构建和使用多分辨率表示和目标递阶结构381

10.6.1 从多种经验中学习381

10.6.2 无监督学习的算法382

10.6.3 知识的进化391

10.6.5 相似聚类的形成392

10.6.4 集注392

10.6.6 在簇中搜索有效的假设393

10.6.7 在行为生成中学习394

10.6.8 多分辨率学习自动机的进化395

10.6.9 LPA的进一步研究397

10.7 微型机器人：早期认知发展的分析399

10.7.1 ECD：智能系统中学习的重要意义399

10.7.2 人类和IS中的ECD的相似性与区别399

10.7.3 定量学习领域401

10.7.4 概念学习领域402

10.7.6 微型机器人：智力的实验403

10.7.5 微型机器人：分析ECD过程的仿真工具403

10.7.7 可能的学习算法405

10.7.8 子句产生的条件406

10.7.9 在目标给定时学习406

10.7.10 用微型机器人进行仿真和物理实验407

10.7.11 微型机器人研究的含义412

10.8 对学习应用神经网络413

10.8.1 神经网络：多重信息泛化的体系结构413

10.8.2 CMAC：替代反向传播的联想神经网络416

参考文献422

习题432

11.1.1 ISAM标准433

11.1.2 作为概念框架的ISAM433

第11章 智能系统的多分辨率结构的应用433

11.1 制造业的智能系统结构433

11.1.3 ISAM与当前实践的对比434

11.1.4 作为参考模型结构的ISAM434

11.1.5 ISAM实例435

11.2 制造业NITS-RCS递阶结构中的规划439

11.2.1 单个RCS模块内的规划器439

11.2.2 RCS递阶结构中的规划器440

11.2.3 规划算法440

11.2.4 当代观点范畴内关于生产制造调度的RCS方法442

11.3 制造业智能系统结构使用的基于检测工作站的试验台444

11.3.1 HPCC项目：ISAM实施的范例444

11.3.2 方法444

11.3.3 原型系统实现的应用设计445

11.3.4 模块445

11.4 基于RCS.的机器人起重机的集成452

11.4.1 原型机452

11.4.2 RoboCrane子系统454

11.5 移动机器人走向多分辨率457

11.5.2 规则库459

11.5.1 决策的类型459

11.5.3 精确预规划（PP）算法460

11.5.4 实施462

11.5.5 即时决策器（ID）与路径监视器462

11.6 无人自主车的任务结构463

11.6.1 系统的层次466

11.6.2 使命的分类467

11.6.3 侦察车队队长的活动469

11.6.4 分配给分队的任务470

11.6.5 分配给单个车辆的任务471

11.6.6 分配给自主车子系统的任务471

11.6.7 使命程序的不变要素472

11.6.8 被感知对象的探测与识别473

11.7.1 DemoⅢ的4-D／RCS子集474

11.7 作为Demo Ⅲ实现指导的4-D／RCS474

11.7.2 4-D／RCS实体范例483

11.7.3 系统的集成490

参考文献492

第12章 智能系统：科学和工程新范例的先驱496

12.1 多学科：最有希望但却是崎岖的道路496

12.2 什么是智能系统的核心活动500

12.3 我们不能处理的更多问题501

12.3.1 逻辑与自动机：关于真和等价的推理501

12.4 学习的多分辨率回归符号处理（MRSPL处理）503

12.4.1 什么是工具503

12.3.3 执行非预定动作的能力503

12.3.2 包括目标概念的模型503

12.4.2 符号语言学和面向对象的工程：同族的陌生人504

12.4.3 智能单元505

12.4.4 生命单元505

12.4.5 如何使用单元505

12.4.6 恒定性506

12.5 多分辨率的智能507

12.6 学习专门知识：符号语言学与多标度控制论508

12.7 心智工程510

参考文献513