前言
近年來(lái)的研究與開(kāi)發(fā)積極推動(dòng)了人工智能（AI）在制造業(yè)應(yīng)用方面的顯著進(jìn)步。本書(shū)闡述了這些技術(shù)進(jìn)步，并展示了制造業(yè)如何從中獲益。書(shū)中匯總了該領(lǐng)域內(nèi)領(lǐng)先學(xué)術(shù)機(jī)構(gòu)和工業(yè)集團(tuán)的研究成果，并系統(tǒng)地介紹了AI工具和方法。本書(shū)全面涵蓋了AI的基本概念和方法論，并由姊妹篇《人工智能與智能制造：應(yīng)用與案例》作為補(bǔ)充，該書(shū)專注于AI概念和方法在制造業(yè)中的最前沿應(yīng)用。
第1章　機(jī)器學(xué)習(xí)方法，介紹了機(jī)器學(xué)習(xí)（machine learning，ML）的基本方法。本章從不同角度審視現(xiàn)有的機(jī)器學(xué)習(xí)方法，對(duì)其進(jìn)行了梳理，并探討了每種方法的優(yōu)缺點(diǎn)及其未來(lái)發(fā)展趨勢(shì)。
第2章　從數(shù)據(jù)中學(xué)習(xí)第一性原理知識(shí)，詳細(xì)描述了如何從過(guò)程數(shù)據(jù)中提取第一性原理知識(shí)的方法。本章從機(jī)器學(xué)習(xí)的視角出發(fā)，介紹了理解這些學(xué)習(xí)方法所需的線性與非線性回歸的概念和技術(shù)。此外，還對(duì)學(xué)習(xí)第一性原理知識(shí)的方法進(jìn)行了闡述，同時(shí)將其與文獻(xiàn)中常見(jiàn)的不嘗試學(xué)習(xí)第一性原理的替代方法進(jìn)行了比較分析。章節(jié)最后討論了學(xué)習(xí)第一性原理知識(shí)的方法與自動(dòng)化機(jī)器學(xué)習(xí)方法之間的聯(lián)系。
第3章　卷積神經(jīng)網(wǎng)絡(luò)：基本概念及其在制造業(yè)中的應(yīng)用，深入討論了卷積神經(jīng)網(wǎng)絡(luò)（CNN）的基本理念，并概述了其在制造業(yè)中的應(yīng)用場(chǎng)景。本章詳細(xì)說(shuō)明了如何利用張量和圖靈活表示制造業(yè)中常遇到的各類數(shù)據(jù)對(duì)象。本章還探討了卷積神經(jīng)網(wǎng)絡(luò)如何通過(guò)卷積運(yùn)算提取信息特征（如幾何圖案與紋理），用來(lái)預(yù)測(cè)新出現(xiàn)的屬性和現(xiàn)象，或者用于識(shí)別異常情況。這些理念通過(guò)案例研究加以闡釋。
第4章　稀疏數(shù)學(xué)規(guī)劃及其在控制方程基礎(chǔ)學(xué)習(xí)中的應(yīng)用，探討了物理化學(xué)控制方程，這些方程是描述動(dòng)態(tài)系統(tǒng)行為的根本數(shù)學(xué)表達(dá)式。本章介紹了機(jī)器學(xué)習(xí)在探索控制方程方面的最新進(jìn)展，并與成熟的代理模型建立、系統(tǒng)識(shí)別和參數(shù)估計(jì)問(wèn)題進(jìn)行了對(duì)比分析。本章還討論了該研究領(lǐng)域內(nèi)當(dāng)前及未來(lái)重要的研究方向。
第5章　數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化算法，強(qiáng)調(diào)并闡釋開(kāi)發(fā)快速且高效的數(shù)據(jù)驅(qū)動(dòng)算法對(duì)數(shù)學(xué)優(yōu)化的重要性。本章從早期的直接搜索算法講起，逐步過(guò)渡到基于模型的方法，以及最新算法的發(fā)展，旨在處理包括混合整數(shù)非線性優(yōu)化在內(nèi)的多類問(wèn)題。這些技術(shù)的使用在文中得到了廣泛演示。
第6章　機(jī)器學(xué)習(xí)在（生物）化學(xué)制造系統(tǒng)控制中的應(yīng)用，探討了將機(jī)器學(xué)習(xí)與控制技術(shù)相結(jié)合，以確�；瘜W(xué)及生物化學(xué)過(guò)程操作的安全性及改進(jìn)的方法。本章詳細(xì)概述了用于控制的學(xué)習(xí)模型以及學(xué)習(xí)控制組件的方法。本章提供了一個(gè)系統(tǒng)性的、概括性的視角，以及在控制結(jié)構(gòu)中應(yīng)用機(jī)器學(xué)習(xí)技術(shù)的指導(dǎo)方針。
第7章　從數(shù)據(jù)中學(xué)習(xí)第一性原理系統(tǒng)知識(shí)：穩(wěn)定性與安全性及其在示范學(xué)習(xí)中的應(yīng)用，介紹了兩種從數(shù)據(jù)中對(duì)動(dòng)態(tài)系統(tǒng)模型進(jìn)行約束學(xué)習(xí)的方法，并探討了這些方法在制造業(yè)機(jī)器人模仿學(xué)習(xí)背景下的應(yīng)用。本章詳細(xì)描述了模仿學(xué)習(xí)領(lǐng)域，并討論了該領(lǐng)域面臨的重要問(wèn)題。同時(shí)，本章深入剖析了該領(lǐng)域的最新進(jìn)展，并探討了未來(lái)充滿希望的研究方向。
第8章　人工智能在材料損傷診斷和預(yù)測(cè)中的應(yīng)用，綜述了在探究材料損傷方面所采用的人工智能方法。本章提供了一個(gè)視角，展示了制造業(yè)如何在從材料認(rèn)證各階段應(yīng)用人工智能的進(jìn)步中受益，涉及的應(yīng)用包括預(yù)處理、制造過(guò)程、成品狀態(tài)及后處理階段，旨在確保生產(chǎn)出具有預(yù)期或至少是合格的最終性能、屬性和行為的制造部件。
第9章　人工智能在機(jī)械加工過(guò)程監(jiān)控中的應(yīng)用，介紹了機(jī)械加工過(guò)程監(jiān)控智能化的最新進(jìn)展。本章探討了如何利用人工智能模型和機(jī)械加工技術(shù)在生產(chǎn)力、質(zhì)量、成本及機(jī)床車間與更廣泛制造業(yè)的可持續(xù)性措施之間實(shí)現(xiàn)平衡。本章詳細(xì)描述了在加工過(guò)程監(jiān)控中使用的各種人工智能模型和技術(shù)，以及它們的算法原理和近期案例研究。
本書(shū)對(duì)從事制造業(yè)的工程師、管理人員和咨詢師，以及在高等教育機(jī)構(gòu)和國(guó)家實(shí)驗(yàn)室從事制造領(lǐng)域研究的博士后、博士研究生和其他研究人員皆具有參考價(jià)值。本書(shū)是尋找制造領(lǐng)域中人工智能概念和方法進(jìn)展的重要參考資料。