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、军队以至学术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。 本书阐明AI成为了现代组织及复杂体系卓越运行的数字生命线，相关技术和方法论旨在引发人工智能方面的科学和技术资产依托数字工程环境的有效转化，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，重新审视和定位各个元素在AI基础没施整体架构中的使能作用，一方面用于确定概念过程的框架，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。

第1章 理解人工智能
1.1 简介
1.2 历史背景
1.3 人工智能的起源
1.4 人类智能与机器智能
1.5 首届人工智能大会
1.6 智能程序的演变
1.7 人工智能的分支
1.8 神经网络
1.9 专家系统的出现
1.10 总结
参考文献
第2章 专家系统：AI的软件方面
2.1 专家系统流程
2.2 专家系统特性
2.3 专家系统的结构
2.3.1 对专家系统的要求
2.3.2 专家系统的益处
2.3.3 从数据处理到知识处理的转型
2.4 启发式推理
2.5 用户界面
2.6 符号处理
2.7 系统的未来发展方向
2.8 专家系统领域的学术界与产业界的合作
2.9 专家系统应用案例
第3章 人工智能(AI)的数字系统框架
3.1 人工智能的数字框架
3.2 数字工程和系统工程
3.3 DEJI系统模型的介绍
3.3.1 面向系统质量应用DEJI系统模型
3.3.2 数字数据的输入—流程—输出
3.4 数字协同
3.5 人工智能(AI)中的精益和六西格玛
3.6 总结
参考文献
第4章 人工智能中的神经网络应用
4.1 介绍
4.2 神经元节点的定义
4.3 神经元节点的变体
4.4 单神经元节点：McCulloch-Pitt神经元节点
4.5 单神经元节点作为二元分类器
4.6 单个的神经元节点感知器
4.7 关联存储器
4.8 关联矩阵存储器
4.9 Widrow-Hoff法
4.10 LMS法
4.11 自适应关联矩阵存储器
4.12 纠错伪逆法
4.13 自组织网络
4.14 主成分法
4.15 通过Hebb学习进行聚类
4.16 Oia归一化聚类
4.17 竞争学习网络
4.18 多层前馈网络
4.18.1 多层感知器
4.18.2 异或(XOR)的示例
4.18.3 误差反向传播
4.18.4 误差反向传播算法的变体
4.18.5 学习速度和动量
4.18.6 其他误差反向传播问题
4.18.7 反传播网络
4.19 插值和径向基网络
4.19.1 插值
4.19.2 径向基网络
4.20 单层反馈网络
4.21 离散单层反馈网络
4.22 双向关联存储器
4.23 Hopfield神经网络
4.24 总结
参考文献
第5章 人工智能中的神经模糊网络应用
5.1 技术比较
5.2 执行模糊运算的神经元
5.3 模拟模糊运算的神经元
5.4 执行模糊推理的神经网络
5.5 具有明确输入和输出的常规神经网络
5.6 具有模糊输入和输出的常规神经网络
5.7 模糊推理网络
5.8 自适应神经模糊推理系统(ANFIS)
5.9 交换性的应用
5.10 聚类和分类
5.11 多层模糊感知器
参考文献