智慧型计算是测试智慧型信息处理的核心技术，是目前多学科研究和套用的热点，涉及测试技术、电子技术、计算机技术、控制技术等，具有广泛的套用前景。测量技术是信息处理的关键和基础。《清华大学测控技术与仪器系列教材：测试智慧型信息处理》具体内容包括测试系统的组成和信息获取的过程、智慧型计算的产生和发展、数据融合的基本原理；神经网路计算的基础、神经计算的基本方法、神经计算的实现技术和支持向量机；模糊计算中的模糊逻辑与模糊推理、模糊计算套用和粗糙集；进化计算中的遗传算法、粒群智慧型、蚁群智慧型等方法和实例。

《清华大学测控技术与仪器系列教材：测试智慧型信息处理》可作为测控技术、电子科学技术、计算机科学技术、电气工程、控制技术、信息通信技术、机械电子工程等专业的研究生、高年级本科生的教材和参考书，也可供相关工程技术人员和科技工作者作为专业参考书。

第1篇 绪论
1 测试智慧型信息处理概述
1.1 测试智慧型信息处理的产生及发展
1.1.1 测试系统的组成与特点
1.1.2 智慧型计算的产生与发展
1.2 智慧型信息处理的主要技术
1.2.1 神经计算技术
1.2.2 模糊计算技术
1.2.3 进化计算技术
1.3 智慧型技术的综合集成
1.3.1 模糊系统与神经网路结合
1.3.2 神经网路和遗传算法结合
1.3.3 模糊技术、神经网路和遗传算法综合集成
1.3.4 智慧型计算展望
参考文献
2 数据融合与信息处理
2.1 多感测器数据融合概述
2.2 多感测器数据融合的基本原理
2.2.1 多感测器数据融合的目的
2.2.2 多感测器数据融合的层次与结构
2.2.3 数据融合中的检测、分类与识别算法
2.2.4 典型的数据融合方法
2.2.5 多感测器数据融合方法的特点
2.3 分散式自适应动态数据融合方法
2.3.1 测量模型与方法简述
2.3.2 测量数据範围的推导
2.3.3 最优範围的确定
2.4 小结
参考文献
第2篇 神经计算
3 神经计算基础
3.1 人工神经网路基础
3.1.1 人工神经网路的提出
3.1.2 人工神经网路的特点
3.1.3 历史回顾
3.1.4 生物神经网路
3.1.5 人工神经元
3.1.6 人工神经网路的拓扑特性
3.1.7 存储与映射
3.1.8 人工神经网路的训练
3.2 感知器
3.2.1 感知器与人工神经网路的早期发展
3.2.2 感知器的学习算法
3.2.3 线性不可分问题
参考文献
4 神经计算基本方法
4.1 BP网路
4.1.1 BP网路简介
4.1.2 基本BP算法
4.1.3 BP算法的实现
4.1.4 BP算法的理论基础
4.1.5 儿个问题的讨论
……
5 神经计算实现技术
6 支持向量机
第3篇 模糊计算
7 模糊逻辑与模糊推理
8 模糊计算的套用
9 粗糙集
第4篇 进化计算与群智慧型
10 遗传算法
11 禁忌搜寻算法
12 粒群智慧型
13 蚁群智慧型