自適應係統與機器智能 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

何海波 著，薛建儒 譯

齣版社： 機械工業齣版社

ISBN：9787111541141

版次：1

商品編碼：11993736

品牌：機工齣版

包裝：平裝

叢書名： 國外工業控製與智能製造叢書

開本：16開

齣版時間：2016-07-01

用紙：膠版紙

頁數：192

內容簡介

　　本書以如何使機器具有自適應於環境、類似人腦智能這一挑戰性問題為中心，主要介紹瞭圍繞這一問題的數據驅動與生物啓發這兩個主要研究方嚮的重要進展。本書主要內容可分為4個方麵：（1）研究背景，介紹瞭自適應係統的類腦智能與傳統計算的區彆；（2）數據驅動方法，重點研究如何將海量數據轉化為支撐決策過程的知識和信息這一問題，並介紹瞭增量學習、不平衡學習及集成學習等方法；（3）生物啓發式方法，主要講述生物信息處理的基本原理，以及如何開發具有學習、記憶、優化、預測等智能能力的計算框架；（4）機器智能的硬件實現。

目錄

齣版者的話
譯者序
前言
緻謝
第1章緒論
1.1機器智能研究
1.2兩個層麵：數據驅動方法和
生物啓發式方法
1.3如何閱讀本書
1.3.1機器智能的數據驅動方法
1.3.2機器智能的生物啓發式
方法
1.4總結和延伸閱讀
參考文獻
第2章增量學習
2.1引言
2.2問題的提齣
2.3 自適應增量學習框架
2.4映射函數設計
2.4.1基於歐氏距離的映射
函數
2.4.2基於迴歸學習模型的映射
函數
2.4.3基於在綫評估係統的映射
函數
2.5實例研究
2.5.1視頻流的增量學習
2.5.2垃圾郵件分類的增量學習
2.6總結
參考文獻
第3章不平衡學習
3.1引言
3.2不平衡學習的本質
3.3不平衡數據學習方法
3.3.1不平衡數據學習的抽樣法
3.3.2不平衡數據學習的代價
敏感方法
3.3.3基於核的不平衡數據
學習方法
3.3.4不平衡數據學習的主動
學習方法
3.3.5不平衡數據學習的其他
方法
3.4不平衡數據學習的評價指標
3.4.1單一評價指標
3.4.2受試者工作特性( ROC)
麯綫
3.4.3查準率一查全率(PR)麯綫
3.4.4代價麯綫
3.4.5多類不平衡數據學習評價
指標
3.5機遇和挑戰
3.6實例研究
3.6.1非綫性規範化
3.6.2數據集分布
3.6.3仿真結果和討論
3.7總結
參考文獻
第4章集成學習
4.1引言
4.2假設多樣性
4.2.1 Q統計量
第5章機器智能的自適應動態規劃
第6章聯想學習
第7章序列學習
第8章機器智能的硬件設計

前言/序言

　　目前理解類腦智能和研製有潛力再現自然智能的自適應係統仍是科學和工程領域尚未解決的最大挑戰之一。隨著人腦研究和現代技術不斷取得新進展，科學傢和工程師希望找到研製高度魯棒、自適應、易擴展且可容錯的通用類腦智能係統的正確途徑。然而，要實現這一目標，還有很長的路要走。其中，最大的挑戰是，如何理解智能的基本原理，開發有潛力捕獲智能集成的復雜係統，最終使智力更接近真正智能。
　　本書的目的是促進理解和發展機器智能的自適應係統，並給齣能夠自適應地學習信息且隨著時間積纍知識、調節行為來實現目標的計算模型與體係架構。機器智能研究利用瞭許多學科的理論和概念，包括神經科學、人工智能、認知科學、計算理論、統計學、計算機科學、工程設計等。由於機器智能所固有的跨學科性質，所以這本書給齣的大部分研究結果受不同領域的最新研究進展的啓發。我希望本書的研究結果能夠為理解機器智能的本質問題提供有用且重要的見解，並提供應用範圍廣泛的新技術和解決方案。
　　最近的研究結果證明，相比於傳統的人工智能，類腦智能更加與眾不同。比如，雖然如今的計算機可以解決非常復雜的數學問題，預測大規模的天氣變化，甚至贏得世界象棋大賽，但是它們使用瞭與生物大腦有機體完全不同的信息處理方式。為此，這本書重點討論機器智能的計算基礎和方法論，目標是使自適應智能係統具備“計算思維”。所以，本書給齣的研究結果可以自然地分為兩類：數據驅動方法和生物啓發式方法。
　　數據驅動方法的目標是理解如何設計自適應係統，使它能從大量的原始數據中自主學習信息和知識錶達，以支持不確定和非結構化的環境中的決策過程；生物啓發式方法的目標是理解在分布式分層神經網絡內部信息處理的原則、關聯、優化，以及預測。所有這些將來都會被用於實現通用類腦機器智能的基本功能和特性。在本書的最後一章，我對機器智能研究的硬件設計給齣，如專用超大規模集成(VLSI)係統，以及可重構的現場可編程門陣列(FPGA)技術，這提供瞭如何用大規模、並行和可伸縮的硬件平颱構建復雜且綜閤的智能係統的有用的建議。最後一章還簡要地討論瞭新興技術（如憶阻器），因為這些技術可能為我們提供重要的新功能以模擬復雜的人類大腦神經結構。此外，為瞭突齣機器智能研究的廣泛應用，每章末尾都配有一個案例研究，以說明本書所提供的方法能有效應用於不同領域。這些例子為應用本書提到的方法提供瞭有用的建議。
　　本書分為4個主要部分，組織結構如下：
　　1．第一部分（第1章）簡要介紹機器智能自適應係統，給齣瞭研究意義以及傳統計算機與類腦智能的主要區彆，簡要說明瞭本書的組織結構，並介紹本書的使用方法。
　　2．第二部分（第2～4章）介紹數據驅動的機器智能研究方法。重點是開發自適應學習方法，將大量的原始數據轉換成知識和信息錶達，從而支持不具確定性的決策過程。主要介紹增量學習、不平衡學習和集成學習。
　　3．第三部分（第5～7章）重點討論生物啓發式機器智能研究。其目標是理解神經信息處理的基本原則，並開發學習、記憶、優化和預測架構的計算來模仿特定水平的智能。主要介紹自適應動態規劃(ADP)、聯想學習和序列學習。
　　4．第四部分（第8章）簡要討論機器智能的硬件設計。其目標是提供設計硬件係統時要重點考慮的一些因素，例如：功耗、設計密度、內存需求和速度需求，目的是實現大規模、復雜的綜閤智能係統硬件。
　　本書麵嚮機器智能領域學術界和工業界的研究人員，書中的學習原理、體係結構、算法和實例研究，不僅有望為機器智能研究領域帶來新見解，而且提供瞭麵嚮廣泛應用的機器智能技術和解決方案。此外，書中討論的所有問題都屬於相關領域內具有重大挑戰性的熱門研究主題，這使得本書成為研究生激勵自己嚮博士研究項目或大師級研究水平邁進的寶貴資源。最後，由於機器智能研究在不同的學科中不斷地引起越來越多的關注，因此我也希望這本書能夠提供有趣的觀點和建議，以激發大學生和年輕研究者對這個激動人心且有價值的領域中的科學和技術問題産生濃厚的興趣，他們的參與對這個健康且有前途的研究領域的長期發展至關重要。
　　何海波

評分☆☆☆☆☆

書很好，對學習有幫助，印刷精美

評分☆☆☆☆☆

內容不錯！

評分☆☆☆☆☆

還可以

評分☆☆☆☆☆

內容不錯！

評分☆☆☆☆☆

內容不錯！

評分☆☆☆☆☆

書很好，對學習有幫助，印刷精美

評分☆☆☆☆☆

這個書買來就是工作用。質量不錯，開拓知識。價格再親民一些更好。好的知識不嫌多。

評分☆☆☆☆☆

還可以

評分☆☆☆☆☆

這個書買來就是工作用。質量不錯，開拓知識。價格再親民一些更好。好的知識不嫌多。