人工智能與數字系統工程

本書立足當今的數字時代發展特徵，運用基於系統方法的思想，
以獨特的視角提出了人工智能（AI）和數字系統工程融合發展的概覽趨勢，
啟發人們理解人工智能對社會進步、工程創新實踐的預示性意義。
本書研究涉及商業、工業、政府、軍隊甚至學術領域等領域中人工智能普適性應用的基本範式，
響應基於模型的系統工程（MBSE）的應用範式，針對系統中AI技術的實現，
提出了設計、評估、證實和集成（DEJI）的系統工程流程模型。

本書特別適合於從事複雜組織體系研究的學者以及復雜體系工程開發、運行和驗證的架構師、系統工程師等從業者使用，
亦可作為系統工程大學教育的專業課程教材，同時還可供從事其他專業擴展人工智能交叉融合應用的人員使用。

Adedeji Badiru
是美國空軍理工學院系統工程方向的教授，就職於工程與管理研究生院。
他曾是田納西大學工業工程系教授和系主任、俄克拉荷馬大學工業工程教授。
他是一名註冊的專業工程師（PE）、認證的項目管理專業人員（PMP）以及工業與系統工程師協會的會士。
他著有30多本專著、合作書籍中的34個專著章節、80篇技術期刊文章，他還是多個專業協會和學術榮譽團體的成員。

高星海
研究員，北京航空航天大學無人系統研究院系統架構技術首席，國際系統工程委員會（INCOSE）認證系統工程師（CSEP）；
曾任中國航空工業集團公司係統工程推進辦公室副主任、智能製造論證專家組副組長，
中國航空工業集團公司信息技術中心常務副主任、總工程師等；
曾參與並主持兩化深度融合創新體驗中心的建設和運營。
多年來，面向高端裝備領域複雜體系和系統的開發和管理，大力推進基於模型的系統工程（MBSE）理論研究和創新實踐，
組織建立全球認可的系統工程培訓認證體系、國內工行業領先的技術服務體系，
培訓各類系統工程技術和管理專業人員超過2 000人，已有350多人獲得國際系統工程師認證。
曾出版譯著《基於模型的系統工程有效方法》《賽博物理系統工程建模與仿真》。
作為主要發起人之一參加的“大型航空企業基於數字系統工程的正向創新型研發體系建設”項目，獲全國企業管理現代化創新成果一等獎。

第1章理解人工智能1
1.1簡介3
1.2歷史背景4
1.3人工智能的起源5
1.4人類智能與機器智能7
1.5首屆人工智能大會12
1.6智能程序的演變13
1.7人工智能的分支17
1.8神經網絡18
1.9專家系統的出現20
1.10總結22
參考文獻24
第2章專家系統：AI的軟件方面25
2.1專家系統流程27
2.2專家系統特性27
2.3專家系統的結構30
2.3.1對專家系統的要求32
2.3.2專家系統的益處33
2.3.3從數據處理到知識處理的轉型34
2.4啟發式推理34
2.5用戶界面35
2.6符號處理37
2.7系統的未來發展方向38
2.8專家系統領域的學術界與產業界的合作39
2.9專家系統應用案例43
第3章人工智能（AI）的數字系統框架67
3.1人工智能的數字框架69
3.2數字工程和系統工程70
3.3DEJI系統模型的介紹71
3.3.1面向系統質量應用DEJI系統模型73
3.3.2數字數據的輸入—流程—輸出80
3.4數字協同84
3.5人工智能（AI）中的精益和六西格瑪87
3.6總結90
參考文獻91
第4章人工智能中的神經網絡應用93
4.1介紹95
4.2神經元節點的定義97
4.3神經元節點的變體98
4.4單神經元節點：McCullochPitt神經元節點100
4.5單神經元節點作為二元分類器101
4.6單個的神經元節點感知器102
4.7關聯存儲器103
4.8關聯矩陣存儲器103
4.9WidrowHoff法104
4.10LMS法105
4.11自適應關聯矩陣存儲器105
4.12糾錯偽逆法106
4.13自組織網絡106
4.14主成分法107
4.15通過Hebb學習進行聚類108
4.16Oja歸一化聚類109
4.17競爭學習網絡110
4.18多層前饋網絡111
4.18.1多層感知器111
4.18.2異或（XOR）的示例111
4.18.3誤差反向傳播112
4.18.4誤差反向傳播算法的變體113
4.18.5學習速度和動量114
4.18.6其他誤差反向傳播問題115
4.18.7反傳播網絡116
4.19插值和徑向基網絡117
4.19.1插值117
4.19.2徑向基網絡118
4.20單層反饋網絡120
4.21離散單層反饋網絡121
4.22雙向關聯存儲器123
4.23Hopfield神經網絡123
4.24總結126
參考文獻127
第5章人工智能中的神經模糊網絡應用129
5.1技術比較131
5.2執行模糊運算的神經元134
5.3模擬模糊運算的神經元135
5.4執行模糊推理的神經網絡137
5.5具有明確輸入和輸出的常規神經網絡137
5.6具有模糊輸入和輸出的常規神經網絡138
5.7模糊推理網絡139
5.8自適應神經模糊推理系統（ANFIS）140
5.9交換性的應用142
5.10聚類和分類143
5.11多層模糊感知器145
參考文獻146