智能設(shè)計與不確定信息處理

前言
第1章緒論
　1.1現(xiàn)代產(chǎn)品設(shè)計技術(shù)概述
　　1.1.1設(shè)計的本質(zhì)與產(chǎn)品設(shè)計理論的發(fā)展
　　1.1.2現(xiàn)代產(chǎn)品設(shè)計方法及其核心內(nèi)容
　　1.1.3產(chǎn)品設(shè)計的分類
　1.2產(chǎn)品智能設(shè)計技術(shù)
　　1.2.1人工智能與專家系統(tǒng)
　　1.2.2機器智能的實現(xiàn)途徑
　　1.2.3智能設(shè)計與知識處理
　　1.2.4智能設(shè)計技術(shù)的發(fā)展
　　1.2.5智能設(shè)計面臨的困難
　1.3產(chǎn)品設(shè)計中的不確定性
　1.4本書討論的主要問題
第2章產(chǎn)品設(shè)計知識的分類與基本的知識表示方法
　2.1知識分類
　2.2基本的知識表示方法
　　2.2.1語義網(wǎng)絡(luò)表示法
　　2.2.2框架表示法
　　2.2.3產(chǎn)生式表示法
　　2.2.4過程表示法
　　2.2.5面向?qū)ο蟊硎痉?br />　2.3廣義知識庫系統(tǒng)
第3章產(chǎn)品智能設(shè)計知識的建模
　3.1產(chǎn)品設(shè)計過程知識模型
　　3.1.1已有的幾種產(chǎn)品設(shè)計過程知識模型
　　3.1.2基于設(shè)計模式的設(shè)計模型
　3.2功能模式下的產(chǎn)品設(shè)計對象模型
　　3.2.1產(chǎn)品的三種設(shè)計模式
　　3.2.2功能模型的信息組成
　　3.2.3功能模型的BNF定義
　　3.2.4繼電器電磁系統(tǒng)功能模型的BNF描述
　　3.2.5功能模型的特點及其在智能設(shè)計系統(tǒng)中的組織形式
　3.3參數(shù)化模式下的產(chǎn)品設(shè)計對象模型
　　3.3.1產(chǎn)品設(shè)計在參數(shù)化模式下所面臨的問題
　　3.3.2參數(shù)化模型的信息組成
　　3.3.3參數(shù)化模型的BNF定義
　　3.3.4一種設(shè)計問題求解策略和機器學習方法
　　3.3.5參數(shù)化模式下特征模型的作用
　3.4實例模式下的產(chǎn)品設(shè)計對象模型
　　3.4.1實例和實例模型的信息組成
　　3.4.2實例的數(shù)據(jù)結(jié)構(gòu)示例
　3.5功能模型、參數(shù)化模型和實例模型之間的關(guān)系
第4章設(shè)計對象的屬性集提取與屬性值獲取
第5章產(chǎn)品設(shè)計中的知識利用
第6章模糊貼近度的有關(guān)算法
第7章產(chǎn)品的選型設(shè)計與概念設(shè)計
第8章基于規(guī)則的推理與不確定性的傳播
第9章產(chǎn)品的優(yōu)化設(shè)計
第10章產(chǎn)品設(shè)計方案的綜合評估
第11章決策過程中不確定性信息的綜合處理
第12章人工神經(jīng)網(wǎng)絡(luò)在產(chǎn)品設(shè)計中的應用
評估方法
參考文獻