人工智能及其在民航中的应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能及其在民航中的应用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　绪论1

1.1　人工智能的起源1

1.2　智能机械的发展2

1.2.1　智能性机械2

1.2.2　智能系统3

1.3　人工智能的定义4

1.4　人工智能的研究与应用领域5

1.4.1　机器学习5

1.4.2　人工神经网络6

1.4.3　遗传算法6

1.4.4　自然语言理解7

1.4.5　专家系统7

1.4.6　搏弈7

1.4.7　数据库的智能检索8

1.4.8　机器人学8

1.4.9　Agent系统9

1.4.10　蚂蚁算法9

1.5　小结10

习题110

第2章　知识表示与处理11

本章要求11

2.1　引言11

2.1.1　知识表示的基本概念11

2.1.2　人工智能系统所关心的知识12

2.2　谓词逻辑表示法12

2.2.1　用谓词公式表示知识13

2.2.2　谓词逻辑表示知识的特点14

2.3　产生式表示法14

2.3.1　产生式的知识表示14

2.3.2　产生式系统的组成15

2.3.3　产生式系统的推理16

2.4　语义网络表示法17

2.4.1　语义网络的表示17

2.4.2　语义网络的推理18

2.4.3　语义网络的时序表示方法19

2.5　框架表示法20

2.5.1　框架的构成20

2.5.2　框架的推理21

2.5.3　框架知识表示的特点22

2.6　面向对象的表示方法22

2.6.1　面向对象的知识库22

2.6.2　知识表示中对象的基本结构24

2.7　状态空间表示法24

2.7.1　问题状态描述24

2.7.2　图的基本概念25

2.7.3　状态空间表示举例25

2.8　与或树表示法26

2.9　小结29

习题230

第3章　搜索算法32

本章要求32

3.1　搜索的概念和方法32

3.2　状态空间搜索算法34

3.2.1　状态空间图的搜索算法34

3.2.2　宽度优先搜索36

3.2.3　深度优先搜索38

3.2.4　启发式搜索40

3.2.5　A＊算法43

3.3　其他搜索算法45

3.3.1　分支界限法45

3.3.2　与或图搜索算法45

3.3.3　极大极小搜索算法46

3.3.4　α—β搜索算法46

3.4　小结46

习题348

第4章　推理算法51

本章要求51

4.1　谓词逻辑推理52

4.1.1　谓词逻辑52

4.1.2　谓词演算53

4.1.3　谓词公式54

4.1.4　置换与合一55

4.1.5　归结推理57

4.2　规则演绎推理67

4.2.1　推理控制策略67

4.3　主观贝叶斯方法71

4.3.1　基本贝叶斯公式71

4.3.2　主观贝叶斯推理计算73

4.3.3　推理网络78

4.4　证据理论80

4.5　小结85

习题486

第5章　机器学习与知识获取87

本章要求87

5.1　机器学习概述87

5.1.1　机器学习的基本概念87

5.1.2　机器学习的发展历史88

5.1.3　机器学习分类89

5.2　归纳学习92

5.2.1　示例学习92

5.2.2　观察与发现学习96

5.3　基于解释的学习97

5.3.1　基于解释的泛化（EBG）97

5.3.2　基于解释学习的若干基本问题99

5.4　知识获取与数据挖掘99

5.4.1　定理发现100

5.4.2　知识发现与数据挖掘102

5.5　小结107

习题5108

第6章　智能规划109

本章要求109

6.1　规划的作用与任务109

6.1.1　规划的概念109

6.1.2　规划的作用与问题分解途径109

6.2　基于谓词逻辑的规划111

6.2.1　规划世界模型的谓词逻辑表示111

6.3　STRIPS规划系统113

6.3.1　积木世界的机器人规划113

6.3.2 　STRIPS系统规划117

6.4　分层规划119

6.4.1　长度优先搜索119

6.4.2　NOAH规划系统120

6.5　应用实例：基于智能规划的时间表121

6.6　小结125

习题6126

第7章　模糊理论和模糊知识表示127

本章要求127

7.1　模糊的概念127

7.2　模糊逻辑和模糊知识表示128

7.2.1　模糊知识表示128

7.2.2　模糊集合129

7.2.3　模糊关系133

7.2.4　语言变量133

7.3　模糊逻辑推理134

7.4　小结141

习题7142

第8章　智能Agent与移动Agent143

本章要求143

8.1　智能Agent概念和性质143

8.1.1　智能Agent概念143

8.1.2　智能Agent性质144

8.2　Agent的分类145

8.2.1　按功能分类145

8.2.2　按系统规模分类145

8.3　Agent的基本结构146

8.3.1　认知型Agent147

8.3.2　反应型Agent148

8.3.3　混合型Agent149

8.4　多Agent与Agent通信150

8.4.1　多Agent系统特性150

8.4.2　多Agent系统模型和体系结构151

8.4.3　多Agent系统的协作和协调151

8.4.4　多Agent系统的通信151

8.5　移动Agent153

8.5.1　移动Agent的定义153

8.5.2　移动Agent的特点153

8.6　移动Agent在搜索引擎中的应用154

8.7　Agent在空中交通管理系统的应用157

8.8　小结159

习题8160

第9章　人工神经网络162

本章要求162

9.1　人工神经网络的基本知识162

9.1.1　起源和发展162

9.1.2　国内外研究和应用现状163

9.1.3　人工神经网络定义164

9.1.4　神经元是高度并列分散处理系统164

9.1.5　神经元学习165

9.2　神经网络模型及工作原理167

9.2.1　人工神经元的基本工作原理167

9.2.2　人工神经元的响应特性168

9.2.3　网络模型169

9.3　学习模型173

9.3.1 自然神经元、神经网络的学习173

9.3.2　人工神经网络的学习174

9.4　反向传播算法177

9.4.1　感知器177

9.4.2　多层网络反向传播法BP185

9.4.3　学习算法的改进191

9.5　小结193

习题9194

第10章　遗传算法与智能195

本章要求195

10.1　遗传算法的特征与发展195

10.1.1　遗传算法的特点196

10.1.2　遗传算法所研究的问题197

10.1.3　遗传算法的应用领域197

10.2　遗传算法的基本模型198

10.2.1　遗传编码199

10.2.2　适应函数201

10.2.3　遗传操作及遗传算法应用202

10.3　基于遗传算法的机器学习206

10.4　小结207

习题10208

第11章　蚂蚁算法209

本章要求209

11.1　引言209

11.2　蚂蚁群体的生物特征210

11.3　蚂蚁算法的原理211

11.4　蚂蚁算法的特点212

11.5　蚂蚁算法定义与求解步骤213

11.6　蚂蚁算法的优化模型214

11.6.1　AS模型214

11.6.2　ACS模型214

11.6.3　MMAS模型217

11.7　蚂蚁算法模型的评价217

11.8　蚂蚁算法研究进展218

11.9　蚂蚁算法可研究问题220

11.10　小结221

习题11221

第12章　人工智能在民航中的应用222

12.1　人工智能与飞机发动机故障诊断技术222

12.2　人工智能与民航信息系统227

12.3　基于状态分类评价的飞机发动机故障诊断专家系统228

12.3.1　概述228

12.3.2　数据采集系统229

12.3.3　专家系统的构造229

12.3.4　状态分类器230

12.3.5　定量诊断方法230

12.3.6　定性诊断方法231

12.3.7　诊断决策支援232

12.4　D-S算法在发动机故障诊断中的应用232

12.4.1　系统结构和知识处理232

12.4.2　软件处理和推理逻辑234

第13章　神经网络在民航中的应用239

13.1　BP神经网络与发动机故障诊断239

13.2　Kohonen网络在飞机发动机故障诊断中的应用240

13.3　应用神经网络诊断航空发动机气路故障的前景241

13.4　改进的BP神经网络在发动机故障诊断中的应用241

13.4.1　典型BP算法收敛性的讨论242

13.4.2　典型的BP算法收敛曲线246

13.4.3　BP算法的改进247

13.4.4　算法评估254

13.4.5　ASFBP算法的应用255

附录260