本书系统介绍和诠释了将人工智能技术应用于工程问题的最新成功方法。人工智能正越来越多地应用于制造业，并以新的方式创造产品，这为我们理解世界的方式提供了更多见解。本书通过借鉴领先研究人员成功开发的方法，阐释了人工智能技术应用在制造业中的优势。 本书讨论了在制造业中广泛实施人工智能技术所面临的挑战，并提供了详细技术指南。为了应对跨学科挑战，本书借鉴了计算机科学、物理学和一系列工程学科的研究成果，为制造业的升级引入了新的思维方式。

序一
序二
前言
第1章 机器学习方法
1.1 引言
1.2 学习模型的全局视角
1.3 学习技术的分类
1.4 机器学习方法
1.5 结论
致谢
参考文献
第2章 从数据中学习第一性原理知识
2.1 引言
2.2 分析制造业数据的方法
2.3 模型选择与超参数搜索的自动化
2.4 结论
参考文献
第3章 卷积神经网络：基本概念及其在制造业中的应用
3.1 引言
3.2 数据对象与数学表征
3.3 卷积神经网络架构
3.4 案例研究
3.5 结论
致谢
参考文献
第4章 稀疏数学规划及其在控制方程基础学习中的应用
4.1 引言
4.2 问题定义
4.3 物理信息化机器学习
4.4 基于回归的方法
4.5 基于数学规划的技术
4.6 滚动时域在间歇化学过程的应用实例
4.7 结论
参考文献
第5章 数据驱动的优化算法
5.1 引言
5.2 数据驱动的优化算法途径
5.3 应用于大规模制造系统的数据驱动的优化算法
5.4 针对其他问题类别的扩展
5.5 备注
5.6 结论
参考文献
第6章 机器学习在（生物）化学制造系统控制中的应用
6.1 引言
6.2 （生物）化学过程
6.3 ML-Oracle与机器学习方法概述
6.4 机器学习支持的建模在监督和控制中的应用
6.5 通过机器学习实现控制
6.6 结论
参考文献
第7章 从数据中学习第一性原理系统知识：稳定性与安全性及其在示范学习中的应用
7.1 引言
7.2 使用动态系统原语学习机器人运动
7.3 结论
致谢
参考文献
第8章 人工智能在材料损伤诊断和预测中的应用
8.1 引言
8.2 人工智能方法在材料损伤诊断和预测中的应用
8.3 人工智能方法在损伤诊断和预测领域的挑战与机遇
8.4 结论
参考文献
第9章 人工智能在机械加工过程监控中的应用
9.1 引言
9.2 数据采集系统
9.3 特征工程与机器学习
9.4 信号分解方法
9.5 深度学习
9.6 迁移学习
9.7 结论
致谢
参考文献