新書推薦：
《
未来特工局
》
售價：HK$
55.8
《
高术莫用（十周年纪念版 逝去的武林续篇 薛颠传世之作 武学尊师李仲轩家世 凸显京津地区一支世家的百年沉浮）
》
售價：HK$
54.9
《
英国简史（刘金源教授作品）
》
售價：HK$
98.6
《
便宜货：廉价商品与美国消费社会的形成
》
售價：HK$
77.3
《
读书是一辈子的事（2024年新版）
》
售價：HK$
77.3
《
乐道文库·什么是秦汉史
》
售價：HK$
80.6
《
汉娜·阿伦特与以赛亚·伯林 ： 自由、政治与人性
》
售價：HK$
109.8
《
女性与疯狂（女性主义里程碑式著作，全球售出300万册）
》
售價：HK$
109.8
|
| 編輯推薦： |
|
在人工智能火热的大背景下，本书着眼于人工智能与信息感知的交叉领域，涵盖了信息感知、数据融合、神经计算、深度学习、支持向量机、模糊计算、遗传算法和粒群智能等内容，为人工智能未来的发展提供了新的方向。本书逻辑清晰、内容严谨、算例丰富，具有极高的学术价值，堪称本领域不可多得的佳作。
|
| 內容簡介： |
本书系统全面地介绍了人工智能与信息感知理论与实践的内容。依据信息感知系统的组成、特点以及信息感知过程，以感知、融合、智能处理为主线，重点介绍了面向信息感知处理背景下的人工智能前沿理论与方法。内容包括：信息感知与数据融合基本原理与方法；神经计算基本方法，神经计算实现技术以及支持向量机；深度学习中典型神经网络实现及其应用；模糊逻辑计算中模糊逻辑与模糊推理、模糊计算实现和应用；进化计算中遗传算法、粒群智能、蚁群智能等方法和实例。
本书可作为高等院校电子、计算机、测控技术、自动化等相关专业本科生、研究生的教材，也可作为工程技术人员开展人工智能与信息感知实践的重要参考书。
|
| 目錄：
|
第1章概述
1．1智能信息感知的产生及其发展
1．1．1智能感知系统的组成与特点
1．1．2智能计算的产生与发展
1．2人工智能信息感知技术关键
1．2．1神经计算技术
1．2．2深度学习
1．2．3模糊计算技术
1．2．4进化计算技术
参考文献
第2章信息感知与数据融合
2．1概述
2．2协作感知与数据融合
2．2．1网络化智能协作感知
2．2．2多传感器数据融合
2．3多传感数据融合基本原理
2．3．1多传感器数据融合目标
2．3．2多传感器数据融合的层次与结构
2．3．3数据融合中的检测、分类与识别算法
2．3．4典型的数据融合方法
2．3．5多传感器数据融合方法的特点
2．4自适应动态数据融合方法
2．4．1测量模型与方法简述
2．4．2测量数据范围的推导
2．4．3最优范围的确定
参考文献
第3章神经计算基础
3.1人工神经网络基础
3.1.1人工神经网络的提出
3.1.2人工神经网络的特点
3.1.3历史回顾
3.1.4生物神经网络
3.1.5人工神经元
3.1.6人工神经网络的拓扑特性
3.1.7存储与映射
3.1.8人工神经网络的训练
3.2感知器
3.2.1感知器与人工神经网络的早期发展
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
第4章神经计算基本方法
4.1BP网络
4.1.1BP网络简介
4.1.2基本BP算法
4.1.3BP算法的实现
4.1.4BP算法的理论基础
4.1.5几个问题的讨论
4.2径向基函数神经网络
4.2.1函数逼近与内插
4.2.2正规化理论
4.2.3RBF网络的学习
4.2.4RBF网络的一些变形
4.3Hopfield反馈神经网络
4.3.1联想存储器
4.3.2反馈网络
4.3.3用反馈网络作联想存储器
4.3.4相关学习算法
4.3.5反馈网络用于优化计算
4.4随机型神经网络
4.4.1模拟退火算法
4.4.2Boltzmann机
4.4.3Gaussian机
4.5自组织竞争网络
4.5.1SOFM网络结构
4.5.2SOFM网络的应用
4.5.3ART神经网络
4.6神经网络计算的组织
4.6.1输入层和输出层设计
4.6.2网络数据的准备
4.6.3网络初始权值的选择
4.6.4隐层数及隐层节点设计
4.6.5网络的训练、检测及性能评价
参考文献
第5章深度学习
5．1深度学习概述
5．1．1深度学习定义
5．1．2深度学习特点
5．1．3深度学习平台
5．2自编码器
5．2．1稀疏自编码器
5．2．2多层自编码器表示
5．2．3各类自编码器介绍
5．3深度神经网络
5．3．1多层神经网络近似定理
5．3．2深度置信网络
5．3．3深层玻尔兹曼机
5．3．4深度神经网络结构分析
5．4卷积神经网络
5．4．1卷积与池化
5．4．2卷积核
5．4．3卷积神经网络结构
5．5递归神经网络
5．5．1展开计算图
5．5．2回声状态网络
5．5．3门控增强单元
5．5．4长短时记忆单元
5．6深度增强学习
5．6．1增强学习
5．6．2马尔可夫决策
5．6．3决策迭代
5．6．4QLearning算法
5．6．5深度增强网络
5．7深度学习应用
5．7．1视觉感知
5．7．2语音识别
5．7．3自然语言处理
5．7．4生物信息处理
参考文献
第6章支持向量机
6.1统计学习理论的基本内容
6.1.1机器学习的基本问题
6.1.2学习机的复杂性与推广能力
6.1.3统计学习的基本理论
6.2支持向量机
6.2.1最大间隔分类支持向量机
6.2.2软间隔分类支持向量机
6.2.3基于核的支持向量机
6.3多分类支持向量机
6.3.1直接法
6.3.2分解法
6.4基于SVM的机械设备故障诊断
6.4.1实验平台及故障信号获取
6.4.2基于小波包变换的故障特征提取
6.4.3基于多类分类SVM的故障诊断识别
参考文献
第7章模糊逻辑与模糊推理基本方法
7.1模糊逻辑的历史
7.2模糊集
7.3隶属函数
7.3.1隶属函数的几种确定方法
7.3.2几种常用的隶属函数
7.3.3模糊逻辑工具箱内置的隶属函数
7.4模糊运算与模糊推理
7.4.1模糊运算
7.4.2模糊规则与模糊推理
7.4.3Mamdani型推理与Sugeno型推理
7.5模糊系统
7.5.1模糊系统的结构
7.5.2模糊控制器的设计
7.5.3神经模糊系统
7.5.4自适应模糊模型
7.5.5自适应模糊控制系统
第8章模糊计算实现
8.1模糊推理过程
8.1.1模糊推理过程的步骤
8.1.2自定义模糊推理
8.2模糊逻辑工具箱的图形界面工具
8.2.1FIS编辑器
8.2.2隶属函数编辑器
8.2.3模糊规则编辑器
8.2.4模糊规则观察器
8.2.5输出曲面观察器
8.2.6自定义模糊推理系统
8.3模糊逻辑工具箱的命令行工作方式
8.3.1系统结构函数
8.3.2系统显示函数
8.3.3在命令行中建立系统
8.3.4FIS求解
8.3.5FIS结构
8.4神经模糊推理编辑器ANFIS
8.4.1神经模糊推理
8.4.2ANFIS编辑器
8.4.3应用ANFIS编辑器的步骤
参考文献
第9章遗传算法
9.1遗传优化算法基础
9.1.1遗传算法的产生与发展
9.1.2遗传算法概要
9.1.3遗传算法的应用情况
9.1.4基本遗传算法
9.1.5模式定理
9.1.6遗传算法的改进
9.1.7遗传算法与函数最优化
9.1.8遗传算法与系统辨识
9.1.9遗传算法与神经控制
9.2遗传优化算法的工程应用
9.2.1遗传算法在无约束优化中的应用
9.2.2遗传算法在非线性规划中的应用
参考文献
第10章粒群智能
10.1引言
10.1.1微粒群算法综述
10.1.2微粒群算法的研究方向
10.2微粒群算法的基本原理
10.2.1引言
10.2.2基本微粒群算法
10.2.3基本微粒群算法的社会行为分析
10.2.4带惯性权重的微粒群算法
10.3改进微粒群算法
10.3.1基本微粒群算法进化方程的改进
10.3.2收敛性改进
10.4微粒群算法的实验设计与参数选择
10.4.1设计微粒群算法的基本原则与步骤
10.4.2几种典型的微粒群模型及参数选择
10.5基于微粒群算法的人工神经网络优化
10.5.1神经网络的微粒群算法优化策略
10.5.2协同微粒群算法优化神经网络
10.6蚁群智能
10.6.1双桥实验与随机模型
10.6.2人工蚂蚁模型
10.6.3蚁群优化元启发式算法
参考文献
|
| 內容試閱：
|
人工智能研究正迅速发展，无论是学术界还是产业界都竞相关注。创新人工智能领域，探寻人工智能的根源，理解人类智能是未来人工智能领域的重大科学挑战。2006 年以来，以深度学习为代表的机器学习算法在机器视觉和语音识别等领域取得了极大的成功，使人工智能再次受到学术界和产业界的广泛关注。人工智能是国际竞争的新焦点。作为引领未来的战略性技术之一，发展人工智能是提升国家核心竞争力、维护国家安全的重大战略。我国相继出台规划政策，围绕技术、人才、标准等进行部署，希望在新一轮科技领域中掌握主导权。人工智能是经济发展的新引擎。作为新一轮产业变革的核心驱动力，人工智能释放历次科技革命和产业变革积蓄的巨大能量，并创造新的经济发展引擎，引发经济结构重大变革，深刻改变人类生产生活方式，实现社会生产力的整体跃升。人工智能发展将从知识表达到大数据驱动知识学习，转向数据驱动和知识指导相结合； 从数据分类处理迈向跨媒体认知、学习和推理； 从智能机器、人机协同融合到增强智能； 从个体智能到网络群体智能； 从机器人走向引领社会和工业等领域的深度智能。信息感知利用传感系统对被测对象变化进行测量，是信息处理的首要环节。信息感知测量系统具有感、知、联一体化的功能，涉及数据采集、数据传输与信息处理，具有包括信息采集、过滤、压缩、融合等环节。信息采集是获取测量信息，提高信息的准确性；信息过滤是对采集到的信息进行有效特征提取；信息压缩是实现冗余数据去除；信息融合是对多传感器感知的信息进行融合处理、识别或判别。信息感知是人工智能与现实世界交互的基础和关键，是人工智能服务于工业社会的重要桥梁。人工智能通过对感知的信号与信息进行识别、判断、预测和决策，对不确定信息进行整理挖掘，实现高效的信息感知，让物理系统更加智能。人工智能与信息感知作为高度关注的热门领域，将两者进行有机结合具有重要的理论与应用价值。本书作者于2008年出版了《测试智能信息处理》（清华大学出版社）一书，在此基础上根据当前国内外人工智能与信息感知领域发展趋势和研究成果进行了全面的拓展和修订，增加了信息感知与数据融合、深度学习等人工智能与信息感知技术。本书以信息感知系统的感知、融合、人工智能处理为主线，介绍了人工智能与信息感知领域的前沿理论与方法。本书共分为10章。第1章是人工智能信息感知概述； 第2章是信息感知与数据融合； 第3章是神经计算基础； 第4章是神经计算基本方法； 第5章是深度学习； 第6章是支持向量机； 第7章是模糊逻辑与模糊推理基本方法； 第8章是模糊计算实现； 第9章是遗传算法； 第10章是粒群智能。本书基本框架如下页图所示。
戴鹏、张鹏博、毕道伟、刘佑达、戴逸翔、刘晏池、张蔚航、游伟等参与讨论和部分内容的撰写及后期的文字录入、校对、绘图与实例验证工作。本书还参考和引用了相关的论文和书籍等资料，在此一并对上述人员和文献作者表示衷心的感谢。特别感谢我的妻子和女儿的鼓励与支持，还要感谢我的父母和所有给予我支持和帮助的朋友，谨以此书献给他们。最后还要特别感谢清华大学出版社的张秋玲老师、刘嘉一老师，在本书的编写过程中他们给予了很多富有建设性的意见和建议。衷心感谢清华大学出版社的支持。本书的出版得到了国家搞技术研究发展计划（863）、国家重点基础研究发展计划（973）、 十三五国家重点研发计划等相关项目和国家自然科学基金项目（61272428、61472216）的支持，在此表示衷心感谢。《人工智能与信息感知》涉及多个新兴交叉学科，新的理论、方法与应用层出不穷，有待进一步深入研究和探索，书中一些内容仅供读者参考。由于水平有限，时间仓促，书中不妥之处在所难免，希望读者朋友不吝赐教。
王雪2018年2月于清华园
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
