掃一掃
關注中圖網
官方微博
>
機器人大腦
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
機器人大腦 版權信息
- ISBN：9787030494405
- 條形碼：9787030494405 ; 978-7-03-049440-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：
機器人大腦 內容簡介
本書包括智能計算機的基礎理論、關鍵技術、工程應用等，側重于智能機器、智能存儲、智能軟件、智能計算、智能通信等幾個主要方面。本書**部分主要闡述智能計算機的基礎理論，主要內容包括：①體系結構；②學習策略；③模型算法；第二部分主要闡述智能計算機的關鍵技術，主要內容包括：①存儲方式；②傳感技術；③信息融合；第三部分主要闡述智能計算機的工程應用，主要內容包括：智能計算機的自律作業，特別是智能計算機代替人在繁重、危險、惡劣或常規的環境下，例如在科學研究、企業管理、電子政務、軍事戰備、搶險救災、醫療手術、辦公事務、家庭服務、教育娛樂等場合自律地完成各種作業的實例。
機器人大腦 目錄
目錄
《智能科學技術著作叢書》序
前言
第1章機器人大腦的基礎知識1
1.1人的大腦1
1.2人工智能6
1.3人造大腦9
1.4科學研究14
1.4.1科學定義14
1.4.2研究目的15
1.4.3研究內容15
1.4.4研究方法16
第2章機器人大腦的構成原理19
2.1概述19
2.2智能機器人20
2.3智能軟件23
2.4智能計算24
2.5智能存儲25
2.6智能通信26
第3章機器人大腦的網格計算28
3.1概述28
3.2機器人大腦網格計算平臺的實現29
3.2.1機器人大腦網格計算平臺設計29
3.2.2機器人大腦網格計算平臺測試34
3.2.3機器人大腦網格計算平臺升級40
3.2.4機器人大腦網格計算平臺驗證46
3.3機器人大腦的神經網絡系統建模~48
3.4機器人大腦的混合神經網絡計算54
3.4.1混合神經網絡計算原理54
3.4.2混合神經網絡計算架構56
3.4.3混合神經網絡分類方法61
3.5機器人大腦網格計算平臺的應用63
第4章機器人大腦的云計算平臺65
4.1概述65
4.2機器人大腦云計算平臺的實現68
4.2.1機器人大腦云計算平臺基礎架構68
4.2.2機器人大腦云計算平臺文件系統71
4.2.3機器人大腦云計算平臺計算模型73
4.2.4機器人大腦云計算平臺特點分析79
4.3機器人大腦云計算平臺的改進80
4.4機器人大腦云計算平臺的應用82
第5章機器人大腦的學習方法93
5.1概述93
5.2機器學習方法分類96
5.3模擬人腦推理99
5.3.1CPN網絡原理100
5.3.2CPN算法描述101
5.3.3模擬推理應用101
5.4增量學習系統103
5.4.1人類的睡眠學習103
5.4.2睡眠增量式學習104
5.4.3增量式學習實現108
5.4.4增量式學習應用111
5.4.5可持續學習能力114
5.5深度學習及其應用114
5.5.1溧度學習原理116
5.5.2深度學習現狀121
5.5.3深度學習發展123
5.6腦機接口原理及應用124
5.6.1腦機接口的原理126
5.6.2腦機接口與控制129
5.6.3智能可穿戴設備133
5.6.4治療腦部的疾病135
第6章機器人大腦的視覺處理136
6.1概述136
6.2視覺處理研究現狀136
6.3視覺處理系統設計141
6.4機器人大腦的人臉識別144
6.4.1基本框架145
6.4.2圖像預處理146
6.4.3特征提取146
6.4.4分類器設計151
6.4.5人臉識別154
6.4.6結果分析163
6.5機器人大腦的手勢識別167
6.5.1手勢識別原理167
6.5.2手勢檢測方法174
6.5.3手勢交互方法179
6.5.4手勢分類識別186
第7章機器人大腦的人機對話187
7.1概述187
7.2人機對話原理188
7.3中文分詞方法191
7.4中文分詞算法193
7.4.1分詞算法技術難點193
7.4.2分詞算法基本原理195
7.4.3分詞算法實現步驟196
7.4.4分詞算法性能測試202
7.5對話系統管理203
7.5.1對話管理理論和方法203
7.5.2對話管理內容和功能205
7.5.3時話管理功能的實現207
7.6人機對話實現211
7.6.1人機對話框架211
7.6.2大規模語料庫213
7.6.3分詞算法實驗218
7.7人機對話應用222
7.7.1智能教學系統222
7.7.2智能問答系統224
7.7.3功能框架設計225
7.7.4系統工作原理225
7.7.5功能模塊實現226
7.7.6性能測試分析230
第8章機器人大腦的情感交互232
8.1概述232
8.2情感建模239
8.2.1情感狀態空間240
8.2.2情感模型分析242
8.3模型驗證243
8.3.1情感模型設計243
8.3.2模型參數分析245
8.4情感設計248
8.4.1情感交互模型249
8.4.2情感信號識別249
8.4.3DS證據理論251
8.5情感表達253
8.5.1面部表情表達253
8.5.2情感語音合成254
8.6情感仿真255
8.6.1仿真系統255
8.6.2情感過程256
8.6.3仿真實現259
8.6.4仿真結果261
第9章機器人大腦與作業控制263
9.1概述263
9.2仿人機器人的雙腳控制263
9.2.1混合智能計算框架264
9.2.20penHRCP及應用271
9.3仿人靈巧手的主從示教284
9.3.1拇指示教樣本集生成291
9.3.2訓練樣本的聚類方法294
9.4仿人靈巧手控制及應用294
9.4.1運動映射跟隨應用297
9.4.2運動映射跟隨分析300
第10章機器人大腦的未來發展302
10.1機器人大腦的發展現狀302
10.2機器人大腦的*新成果306
10.3機器人大腦與“永生人”310
10.4機器人大腦與數據挖掘313
10.5機器人大腦與法律法規318
參考文獻322
《智能科學技術著作叢書》序
前言
第1章機器人大腦的基礎知識1
1.1人的大腦1
1.2人工智能6
1.3人造大腦9
1.4科學研究14
1.4.1科學定義14
1.4.2研究目的15
1.4.3研究內容15
1.4.4研究方法16
第2章機器人大腦的構成原理19
2.1概述19
2.2智能機器人20
2.3智能軟件23
2.4智能計算24
2.5智能存儲25
2.6智能通信26
第3章機器人大腦的網格計算28
3.1概述28
3.2機器人大腦網格計算平臺的實現29
3.2.1機器人大腦網格計算平臺設計29
3.2.2機器人大腦網格計算平臺測試34
3.2.3機器人大腦網格計算平臺升級40
3.2.4機器人大腦網格計算平臺驗證46
3.3機器人大腦的神經網絡系統建模~48
3.4機器人大腦的混合神經網絡計算54
3.4.1混合神經網絡計算原理54
3.4.2混合神經網絡計算架構56
3.4.3混合神經網絡分類方法61
3.5機器人大腦網格計算平臺的應用63
第4章機器人大腦的云計算平臺65
4.1概述65
4.2機器人大腦云計算平臺的實現68
4.2.1機器人大腦云計算平臺基礎架構68
4.2.2機器人大腦云計算平臺文件系統71
4.2.3機器人大腦云計算平臺計算模型73
4.2.4機器人大腦云計算平臺特點分析79
4.3機器人大腦云計算平臺的改進80
4.4機器人大腦云計算平臺的應用82
第5章機器人大腦的學習方法93
5.1概述93
5.2機器學習方法分類96
5.3模擬人腦推理99
5.3.1CPN網絡原理100
5.3.2CPN算法描述101
5.3.3模擬推理應用101
5.4增量學習系統103
5.4.1人類的睡眠學習103
5.4.2睡眠增量式學習104
5.4.3增量式學習實現108
5.4.4增量式學習應用111
5.4.5可持續學習能力114
5.5深度學習及其應用114
5.5.1溧度學習原理116
5.5.2深度學習現狀121
5.5.3深度學習發展123
5.6腦機接口原理及應用124
5.6.1腦機接口的原理126
5.6.2腦機接口與控制129
5.6.3智能可穿戴設備133
5.6.4治療腦部的疾病135
第6章機器人大腦的視覺處理136
6.1概述136
6.2視覺處理研究現狀136
6.3視覺處理系統設計141
6.4機器人大腦的人臉識別144
6.4.1基本框架145
6.4.2圖像預處理146
6.4.3特征提取146
6.4.4分類器設計151
6.4.5人臉識別154
6.4.6結果分析163
6.5機器人大腦的手勢識別167
6.5.1手勢識別原理167
6.5.2手勢檢測方法174
6.5.3手勢交互方法179
6.5.4手勢分類識別186
第7章機器人大腦的人機對話187
7.1概述187
7.2人機對話原理188
7.3中文分詞方法191
7.4中文分詞算法193
7.4.1分詞算法技術難點193
7.4.2分詞算法基本原理195
7.4.3分詞算法實現步驟196
7.4.4分詞算法性能測試202
7.5對話系統管理203
7.5.1對話管理理論和方法203
7.5.2對話管理內容和功能205
7.5.3時話管理功能的實現207
7.6人機對話實現211
7.6.1人機對話框架211
7.6.2大規模語料庫213
7.6.3分詞算法實驗218
7.7人機對話應用222
7.7.1智能教學系統222
7.7.2智能問答系統224
7.7.3功能框架設計225
7.7.4系統工作原理225
7.7.5功能模塊實現226
7.7.6性能測試分析230
第8章機器人大腦的情感交互232
8.1概述232
8.2情感建模239
8.2.1情感狀態空間240
8.2.2情感模型分析242
8.3模型驗證243
8.3.1情感模型設計243
8.3.2模型參數分析245
8.4情感設計248
8.4.1情感交互模型249
8.4.2情感信號識別249
8.4.3DS證據理論251
8.5情感表達253
8.5.1面部表情表達253
8.5.2情感語音合成254
8.6情感仿真255
8.6.1仿真系統255
8.6.2情感過程256
8.6.3仿真實現259
8.6.4仿真結果261
第9章機器人大腦與作業控制263
9.1概述263
9.2仿人機器人的雙腳控制263
9.2.1混合智能計算框架264
9.2.20penHRCP及應用271
9.3仿人靈巧手的主從示教284
9.3.1拇指示教樣本集生成291
9.3.2訓練樣本的聚類方法294
9.4仿人靈巧手控制及應用294
9.4.1運動映射跟隨應用297
9.4.2運動映射跟隨分析300
第10章機器人大腦的未來發展302
10.1機器人大腦的發展現狀302
10.2機器人大腦的*新成果306
10.3機器人大腦與“永生人”310
10.4機器人大腦與數據挖掘313
10.5機器人大腦與法律法規318
參考文獻322
展開全部
機器人大腦 節選
第1章機器人大腦的基礎知識 機器人大腦也稱為“類腦”（或智能計算機、人造大腦），它不僅涉及腦科學、仿生學、心理學、計算機、自動化、電子學、社會學、法律學，而且也與機械、材料、電力、化學、物理、生物、航空、軍事、醫療、教育、娛樂等學科交叉。本章旨在介紹機器人大腦的基礎知識，以使讀者對機器人大腦有一個全面的了解，并且為今后學習、研究、設計、開發、使用機器人大腦奠定基礎。 1.1人的大腦 人的大腦（以下簡稱為人腦或大腦）是在幾十億年生物進化的歷史長河中不斷修補和堆積而成的產物，人的一切心理活動都要經過人腦的活動來實現，人的身體也是通過人腦的活動來適應變化的環境。雖然21世紀被學術界稱為是腦和人工智能(artificialintelligence，AI)的世紀，但至今人們依然對智力、情感、意識等人腦的高級智慧和功能認知甚少，關于人腦的研究和學說目前也是眾說紛紜。 人腦的結構和構成等分別如圖1.1(a)和(b)所示，人腦的外觀*顯著的特點是波浪般的腫塊和溝槽模式，它的結構是演化的多層次結構，并且具有復雜的自適應行為。人腦的縱向剖面由灰質和白質構成，它們是人腦中樞神經系統的重要成分；屹|是南具有特定動能的神經細胞（也稱神經元）組成的神經中樞，其作用是支配聯絡神經，并且在人腦中交織地形成神經網絡；白質是南長長的和相互連接的神經纖維組成，它們支配著感覺神經，主要起傳導作用，白質團塊主要分散在人腦中的灰質網絡中。 在過去的200萬年間，人腦的容量進化成了原始人腦的3倍左右。非洲古猿人腦的容量約為450cm’，而現代人腦的容量為1000～1500crri3。現有的研究表明，人的高級智慧功能與人腦的容量關系不大，但卻與人腦的神經元數量、神經元之間的連接、神經網絡的復雜程度、灰質和白質的發育狀況等有關，它們的質量共同決定了大腦中神經網絡的多樣性和通暢程度。人腦具有解決各種簡單或復雜問題的高級智慧功能，這是因為人腦中南大規；ヂ摰纳窠浽獦嫵傻纳窠浘W絡在起作用。神經元是一種特殊的細胞，它們的功能是處理并向其他細胞傳遞信息，如圖1.2(a)所示。為了進行交流，它們會通過突觸釋放出化學信號或者說神經傳導物質。這些化學物質會被毗鄰的細胞接受，然后轉變成為一種電信號或者動作電位，這種電信號會沿著神經元的細長軸突進行傳遞。當電信號傳遞到另一端時，會再次轉變成為一種化學信號通過突觸釋放，準備再一次引發傳遞過程。統帥全身和應激外部反應都要通過神經元來傳遞信息。一個神經元由大小、形態各異的細胞體和細胞突構成。細胞突是指細胞向外突出的樹突和軸突，樹突的形狀如樹枝，其作用是接受刺激，并將神經沖動傳向細胞體；軸突的長度差別很大，人體內*長的軸突可以從腦頂部順著脊椎到達腰椎。每個神經元只有一根軸突，其作用是將神經沖動以3～120m／s的傳導速率從神經元里傳出，并送到與它聯系的所有神經元。一個神經元與另一個神經元相接觸的部位稱為突觸。單個神經元不能獨立地執行神經網絡的機能，各個神經元必須互相聯系。對于脊椎動物來說，神經元之間在結構上沒有細胞質相連，僅僅是互相接觸而已。 (a)人腦的結構 (b)人腦的灰質和白質 圖11人腦的結構、灰質和白質 盡管人們對人腦及其神經纖維（神經網絡）構造和神經元等目前還知之不多，但科學家們*近發現了神經纖維的排列方式。據互聯網消息，美國腦神經學家道格拉斯？羅什尼(DouglasRosene)利用擴散光譜成像技術推斷出了神經纖維的位置，并通過掃描揭示了神經纖維的有序編織方式。這是一種比之前所預想的要簡單得多的有序編織曲線，實際上是由大約成直角和彼此交叉的神經纖維構成的網格，這種網格在人腦發育過程巾相當于高速公路上的車道標記，以幫助生長中的神經纖維找到通往日的地的道路。這項研究成果為人們分析人腦提供了一種新的框架。另據來自互聯網的消息，一個由多個歐洲國家科學家組成的聯合研究小組也宣稱，他們利用新型核磁共振成像技術，歷時三年完成了大腦白質的微觀結構圖集。此外，*近，一個瑞典的科學家團隊在世界上首次成功地培育出了功能完全與神經元一樣，并且具有信號傳輸功能的人造神經元，它甚至能夠與真正的神經元進行溝通和交流，而這一切都是在人體外進行的。大腦白質微觀結構圖集的完成和人造神經元的誕生將大大地推動人腦的研究，這對于未來腦科學和神經科學的研究和發展具有重要意義。神經網絡的工作原理如圖1.2(b)所示。當某個來自人腦的刺激發生時，神經元就通過樹突→胞體→軸突→神經連接→其他細胞等處理，迅速地將該刺激傳到其他的神經元。樹突、軸突、突觸構成了信息侍遞“道路”，這樣一條道路就是一個信息處理通路，人腦的整個神經網絡就是由無數個神經元及神經連接而成的一個神奇的和巨大的信號處理系統。 (a)典型神經元結構 (b)生物神經網絡原理 圖1.2典型神經元結構與生物神經網絡原理 有關人腦神經網絡的一組數據如下：①人腦約有850億～1000億個神經元，所有神經元通過大約100萬億個神經連接點傳遞信號。②以20歲的人為例，男性腦部的神經軸突總長度約為17.6×104km，大約為月球距近地點距離的一半，女性約為14.9×104km。人腦神經網絡的信號回路比今天全世界的電話網絡還要復雜1000多倍。③人腦中每一秒鐘進行著約10萬種不同的化學反應，反應環境和反應速度及反應產物控制都十分精確，出錯率極低，各種反應問相互關聯且配合默契。④人腦每天可處理約86×106條信息，人腦的記憶中樞可儲存的信息量大約相當于美國國會圖書館的50倍（約為5億本書的知識），并且這些信息可以有序地調用（回憶）。實際上，人腦就如同一臺超級“生物計算機”，可以儲存億萬條信息，這些信息不斷地變換和更新，進而接受新的知識。人腦對于龐雜輸入信息的靈敏反應和通過輸出信息對各種生化反應的精確調控令人嘆為觀止。若是能反演出這臺超級“生物計算機”的構造或許就可以制造出入造大腦。 人腦通過功能分區或整合，規劃著人的一舉一動、一言一行，以及血壓和胃腸道及情緒等的一切變化，如圖1.3(a)所示。曾榮獲1981午諾貝爾生理學（醫學）獎的美國心理生物學家羅杰.沃爾科特.斯佩里(RogerWolcottSperry)博士通過著名的割裂腦實驗，證實了人腦具有不對稱性的“左右腦分工理論”，如圖1.3(b)所示。根據這一理論可知，人的左腦是“本生腦”，記載著人出生以來的知識，管理的是近期的和即時的信息；左腦主要從事或者負責邏輯思維、理解、記憶、時間、語言、判斷、排列、分類、邏輯、分析、書寫、推理、抑制、五感（視覺、聽覺、嗅覺、觸覺、味覺）等，左腦的思維方式具有連續性、延續性和分析性。因此，左腦可以稱作“意識腦”或“學術腦”或“語言腦”。而人的有腦主要從事形象思維，是創造力的源泉，是藝術和經驗學習的中樞；有腦主要負責空間形象記憶、直覺、情感、身體協調、視知覺、美術、音樂節奏、想象、靈感、頓悟等，右腦的思維方式具有無序性、跳躍性、直覺性等。斯佩里認為右腦具有圖像化機能，如企劃力、創造力、想象力；與宇宙共振共鳴機能，如第六感、透視力、直覺力、靈感、夢境等；超高速自動演算機能，如心算、數學；超高速大量記憶，如速讀、記憶力等。人的右腦就像是萬能的博士，善于找出多種解決問題的辦法。但曰前“左右腦分工理論”也存存爭論和分歧。 美國人類行為神經科學專家克莉絲汀.康瑪福德(ChristineComaford)曾撰文從科學的角度揭示了如何讓大腦變得更聰明的秘密：假設“更聰明”意味著做出更明智的選擇、更加隨心所欲、更快速地學習、迅速突破智力壁壘并取得重大成就，那么如何能實現呢？南于大腦約有一半是南灰質（神經通路在此產生并保留）組成，另一半則是白質，所以神經元可相互刺激和接觸，這就意味著學習新事物或養成新習慣，需要重復某一過程。當人們專注而努力地練習某項技能時，就形成了某種神經通路。神經元則以一種全新的序列相互刺激，并聚合在一起。反復的刺激反映了這條神經通路的重要性。再加上用心練習和練習過程的喜悅體驗，大腦的突膠質細胞和星形膠質細胞就能收到這條神經通路需要得到升級或隔絕保護的信號，這時髓鞘便開始形成了。接下來這一新近產生并得到反復刺激的神經通路，像絕緣電線一樣被一層保護膜所包裹。這條神經通路（灰質）通過髓鞘（白質）的隔絕保護而被增強，并經歷一個類似撥號寬帶連接的轉換過程。被髓鞘嚴實包裹的神經通路的運行速度會提升到原先的300倍，它們在速度和效率上得到了優化。于是它們演變成為默認的行為模式，因為大腦會選擇髓鞘*多的神經通路（這意味著它們*重要）。這就是人腦形成自動化的新行為過程，也即習慣行為養成。有關研究人員曾經對愛因斯坦的大腦進行過解剖，發現他大腦中的髓鞘遠高于普通人，這意味著他曾通過專注的練習不斷進行著堅持、失敗、再嘗試的過程。克莉絲汀.康瑪福德在對某些企業高管（如比爾.蓋茨）提供私人咨詢過程中，早就發現了上述髓鞘相關理論是行之有效的。實際上人腦的生長發育和高級智慧既依賴于先天的遺傳基因義存在巨大的可塑性，并且后天的環境因素與實踐活動對人腦的生長發育和高級智慧有極大的影響。一個人一生中人腦的神經元數量是固定的，但神經元之間的連接卻是后天可變的。人腦中的突觸就是人類為提升和修煉自己高級智慧功能的好途徑。人腦通過讀書和學習及體育活動等良性刺激，神經網絡會不斷地分支，突觸會不斷地變化和連接其他的神經網絡，神經元之問的連接會越來越多，神經網絡的復雜程度將越來越高，從而使人越來越智慧。就目前的研究來看，很難說哪一種方法一定能夠促進人腦生長發育，過分強調某種因素都是錯誤的。 (a)大腦皮層功能示意圖 (b)人的左腦和右腦及其分工示意圖 圖1.3人腦皮層功能及大腦的左右腦分工原理4-6 1.2人工智能 隨著基礎數學、計算技術、電子信息、自動控制、機械工程、材料科學、生物醫學等許多學科的迅速發展，人們對計算機的要求也在不斷地提高，不僅希望在現有的計算機上建造智能系統模擬人腦的智能行為，而且也希望建造一種有知識、會學習、能思維的人造大腦，使它能夠識別和理解語言、文字、聲音、圖形、圖像，并具有用自然語言和姿態表情等直接與人對話的能力，以及可以利用它自己已有和學到的知識進行思維、聯想、推埋、決策，從而解決許多復雜的問題。但是，一臺計算機表現出某種智能行為并不一定會被認為它本身具有智能。那么能否使普通的計算機也像人腦那樣具有智能呢？為了判定計算機是否具有智能，英國著名科學家阿蘭.圖靈(AlanTuring)曾設計了一種測試方法——圖靈實驗，他認為計算機是否具有智能的問題，應當用計算機能否通過圖靈實驗來代替，如圖1.4所示。將被測試的人和被測試的計算機分別封閉在不同的房間里，測試者不知道哪個房間是被測試的人，哪個房間是被測試的計算機。由測試者通過測試終端向雙方提出測試問題，被測試的人和被測試的計算機分別給出各 (a)圖靈實驗示意圖(b)阿蘭.圖靈 圖1.4圖靈實驗示意圖與阿蘭.圖靈（圖片來白瓦聯網）
書友推薦
- >
朝聞道
- >
唐代進士錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
月亮與六便士
- >
名家帶你讀魯迅:朝花夕拾
- >
我從未如此眷戀人間
- >
巴金－再思錄
- >
煙與鏡
本類暢銷
