掃一掃
關(guān)注中圖網(wǎng)
官方微博
買過本商品的人還買了
類腦智能――大腦情感學(xué)習(xí)模型的應(yīng)用研究 版權(quán)信息
- ISBN：9787121453274
- 條形碼：9787121453274 ; 978-7-121-45327-4
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
類腦智能――大腦情感學(xué)習(xí)模型的應(yīng)用研究 內(nèi)容簡介
類腦智能技術(shù)是當(dāng)前國際重要的科技前沿，研究類腦智能技術(shù)對發(fā)展新型信息產(chǎn)業(yè)意義重大。本書介紹了一種新穎的類腦模型―大腦情感學(xué)習(xí)模型，并介紹了其學(xué)習(xí)算法、改進(jìn)技術(shù)及應(yīng)用。大腦情感學(xué)習(xí)模型根據(jù)哺乳動(dòng)物大腦邊緣系統(tǒng)的結(jié)構(gòu)建立，在模擬生物智能行為上表現(xiàn)出了良好的自適應(yīng)性能，模型結(jié)構(gòu)簡單，運(yùn)算速度快。本書共9章，分為3篇：基礎(chǔ)篇、改進(jìn)篇和應(yīng)用篇。基礎(chǔ)篇主要介紹大腦情感學(xué)習(xí)模型的研究現(xiàn)狀、神經(jīng)生理學(xué)基礎(chǔ)與學(xué)習(xí)算法；改進(jìn)篇主要介紹大腦情感學(xué)習(xí)模型的改進(jìn)技術(shù)，通過加入監(jiān)督學(xué)習(xí)和競爭學(xué)習(xí)機(jī)制改進(jìn)模型性能；應(yīng)用篇主要介紹將改進(jìn)的大腦情感學(xué)習(xí)模型用于混沌時(shí)間序列預(yù)測、疾病診斷、表情識(shí)別及人機(jī)情感交互等領(lǐng)域的例子。本書可以作為研究生、高校教師及工程技術(shù)人員的自學(xué)和參考用書，也適合對類腦模型研究感興趣的研究人員和工程技術(shù)人員閱讀。
類腦智能――大腦情感學(xué)習(xí)模型的應(yīng)用研究 目錄
第1篇 大腦情感學(xué)習(xí)模型基礎(chǔ)篇
第1章 大腦情感學(xué)習(xí)模型概述
1.1 類腦智能
1.2 大腦情感學(xué)習(xí)模型
1.3 大腦情感學(xué)習(xí)模型的研究現(xiàn)狀
1.3.1 智能控制應(yīng)用
1.3.2 數(shù)據(jù)分析應(yīng)用
1.4 大腦情感學(xué)習(xí)模型的特點(diǎn)
1.5 本章小結(jié)
第2章 神經(jīng)生理學(xué)基礎(chǔ)
2.1 大腦邊緣系統(tǒng)
2.2 大腦反射通路
2.3 大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.4 大腦神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
2.5 本章小結(jié)
第3章 大腦情感學(xué)習(xí)算法
3.1 強(qiáng)化學(xué)習(xí)
3.2 大腦情感學(xué)習(xí)
3.3 大腦情感學(xué)習(xí)模型權(quán)值調(diào)節(jié)
3.3.1 杏仁體權(quán)值調(diào)節(jié)
3.3.2 眶額皮質(zhì)權(quán)值調(diào)節(jié)
3.4 穩(wěn)定性分析
3.4.1 杏仁體穩(wěn)定性分析
3.4.2 眶額皮質(zhì)穩(wěn)定性分析
3.5 大腦情感學(xué)習(xí)模型的局限性
3.6 本章小結(jié)
第2篇 大腦情感學(xué)習(xí)模型改進(jìn)篇
第4章 監(jiān)督型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
4.1 人工神經(jīng)網(wǎng)絡(luò)
4.1.1 人工神經(jīng)元
4.1.2 人工神經(jīng)網(wǎng)絡(luò)分類
4.1.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式
4.2 構(gòu)建監(jiān)督型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
4.2.1 SBEL網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 SBEL算法
4.2.3 SBEL算法流程
4.3 實(shí)驗(yàn)與分析
4.3.1 數(shù)據(jù)集與預(yù)處理
4.3.2 分類性能評價(jià)
4.3.3 實(shí)驗(yàn)結(jié)果
4.3.4 比較與分析
4.4 本章小結(jié)
第5章 競爭型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
5.1 生物學(xué)基礎(chǔ)
5.2 “贏者通吃”競爭機(jī)制
5.3 構(gòu)建競爭型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
5.3.1 CBEL網(wǎng)絡(luò)結(jié)構(gòu)
5.3.2 CBEL算法
5.3.3 CBEL算法流程
5.4 實(shí)驗(yàn)與分析
5.4.1 實(shí)驗(yàn)設(shè)置
5.4.2 實(shí)驗(yàn)結(jié)果
5.4.3 比較與分析
5.5 本章小結(jié)
第3篇 大腦情感學(xué)習(xí)模型應(yīng)用篇
第6章 混沌時(shí)間序列預(yù)測
6.1 數(shù)據(jù)預(yù)測步驟
6.2 大腦情感學(xué)習(xí)預(yù)測模型
6.3 自適應(yīng)遺傳算法優(yōu)化
6.3.1 染色體編碼
6.3.2 適應(yīng)度函數(shù)
6.3.3 遺傳算子
6.3.4 AGA-BEL算法步驟
6.4 預(yù)測仿真實(shí)驗(yàn)
6.4.1 Lorenz混沌時(shí)間序列預(yù)測
6.4.2 磁暴環(huán)電流指數(shù)Dst預(yù)測
6.5 本章小結(jié)
第7章 疾病診斷
7.1 計(jì)算機(jī)輔助疾病診斷的步驟
7.2 疾病診斷BEL網(wǎng)絡(luò)
7.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
7.2.2 算法
7.3 模型優(yōu)化
7.3.1 改進(jìn)的自適應(yīng)遺傳算法
7.3.2 遺傳操作
7.3.3 IAGA-SBEL算法步驟
7.4 實(shí)驗(yàn)與分析
7.4.1 乳腺癌診斷
7.4.2 心臟病診斷
7.4.3 淋巴疾病診斷
7.5 本章小結(jié)
第8章 表情識(shí)別
8.1 表情識(shí)別步驟
8.1.1 人臉檢測與預(yù)處理
8.1.2 表情特征提取
8.1.3 表情分類
8.2 表情識(shí)別網(wǎng)絡(luò)
8.3 粒子群算法優(yōu)化
8.3.1 改進(jìn)粒子群算法
8.3.2 優(yōu)化操作
8.3.3 IPSO-CBEL算法步驟
8.4 實(shí)驗(yàn)與分析
8.4.1 JAFFE表情識(shí)別
8.4.2 Cohn-Kanade表情識(shí)別
8.5 本章小結(jié)
第9章 基于表情的人機(jī)情感交互
9.1 面部表情合成方法
9.1.1 基于網(wǎng)格變形的表情合成
9.1.2 基于數(shù)據(jù)驅(qū)動(dòng)的表情合成
9.2 表情合成要素
9.2.1 表情肌
9.2.2 面部行為編碼系統(tǒng)
9.2.3 Candide模型
9.3 紋理貼圖
9.3.1 紋理坐標(biāo)歸一化
9.3.2 表情合成
9.4 人機(jī)情感交互
9.4.1 人機(jī)交互虛擬仿真
9.4.2 人機(jī)交互真實(shí)場景
9.5 本章小結(jié)
總結(jié)與展望
附錄A
參考文獻(xiàn)
第1章 大腦情感學(xué)習(xí)模型概述
1.1 類腦智能
1.2 大腦情感學(xué)習(xí)模型
1.3 大腦情感學(xué)習(xí)模型的研究現(xiàn)狀
1.3.1 智能控制應(yīng)用
1.3.2 數(shù)據(jù)分析應(yīng)用
1.4 大腦情感學(xué)習(xí)模型的特點(diǎn)
1.5 本章小結(jié)
第2章 神經(jīng)生理學(xué)基礎(chǔ)
2.1 大腦邊緣系統(tǒng)
2.2 大腦反射通路
2.3 大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.4 大腦神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
2.5 本章小結(jié)
第3章 大腦情感學(xué)習(xí)算法
3.1 強(qiáng)化學(xué)習(xí)
3.2 大腦情感學(xué)習(xí)
3.3 大腦情感學(xué)習(xí)模型權(quán)值調(diào)節(jié)
3.3.1 杏仁體權(quán)值調(diào)節(jié)
3.3.2 眶額皮質(zhì)權(quán)值調(diào)節(jié)
3.4 穩(wěn)定性分析
3.4.1 杏仁體穩(wěn)定性分析
3.4.2 眶額皮質(zhì)穩(wěn)定性分析
3.5 大腦情感學(xué)習(xí)模型的局限性
3.6 本章小結(jié)
第2篇 大腦情感學(xué)習(xí)模型改進(jìn)篇
第4章 監(jiān)督型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
4.1 人工神經(jīng)網(wǎng)絡(luò)
4.1.1 人工神經(jīng)元
4.1.2 人工神經(jīng)網(wǎng)絡(luò)分類
4.1.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式
4.2 構(gòu)建監(jiān)督型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
4.2.1 SBEL網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 SBEL算法
4.2.3 SBEL算法流程
4.3 實(shí)驗(yàn)與分析
4.3.1 數(shù)據(jù)集與預(yù)處理
4.3.2 分類性能評價(jià)
4.3.3 實(shí)驗(yàn)結(jié)果
4.3.4 比較與分析
4.4 本章小結(jié)
第5章 競爭型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
5.1 生物學(xué)基礎(chǔ)
5.2 “贏者通吃”競爭機(jī)制
5.3 構(gòu)建競爭型大腦情感學(xué)習(xí)網(wǎng)絡(luò)
5.3.1 CBEL網(wǎng)絡(luò)結(jié)構(gòu)
5.3.2 CBEL算法
5.3.3 CBEL算法流程
5.4 實(shí)驗(yàn)與分析
5.4.1 實(shí)驗(yàn)設(shè)置
5.4.2 實(shí)驗(yàn)結(jié)果
5.4.3 比較與分析
5.5 本章小結(jié)
第3篇 大腦情感學(xué)習(xí)模型應(yīng)用篇
第6章 混沌時(shí)間序列預(yù)測
6.1 數(shù)據(jù)預(yù)測步驟
6.2 大腦情感學(xué)習(xí)預(yù)測模型
6.3 自適應(yīng)遺傳算法優(yōu)化
6.3.1 染色體編碼
6.3.2 適應(yīng)度函數(shù)
6.3.3 遺傳算子
6.3.4 AGA-BEL算法步驟
6.4 預(yù)測仿真實(shí)驗(yàn)
6.4.1 Lorenz混沌時(shí)間序列預(yù)測
6.4.2 磁暴環(huán)電流指數(shù)Dst預(yù)測
6.5 本章小結(jié)
第7章 疾病診斷
7.1 計(jì)算機(jī)輔助疾病診斷的步驟
7.2 疾病診斷BEL網(wǎng)絡(luò)
7.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
7.2.2 算法
7.3 模型優(yōu)化
7.3.1 改進(jìn)的自適應(yīng)遺傳算法
7.3.2 遺傳操作
7.3.3 IAGA-SBEL算法步驟
7.4 實(shí)驗(yàn)與分析
7.4.1 乳腺癌診斷
7.4.2 心臟病診斷
7.4.3 淋巴疾病診斷
7.5 本章小結(jié)
第8章 表情識(shí)別
8.1 表情識(shí)別步驟
8.1.1 人臉檢測與預(yù)處理
8.1.2 表情特征提取
8.1.3 表情分類
8.2 表情識(shí)別網(wǎng)絡(luò)
8.3 粒子群算法優(yōu)化
8.3.1 改進(jìn)粒子群算法
8.3.2 優(yōu)化操作
8.3.3 IPSO-CBEL算法步驟
8.4 實(shí)驗(yàn)與分析
8.4.1 JAFFE表情識(shí)別
8.4.2 Cohn-Kanade表情識(shí)別
8.5 本章小結(jié)
第9章 基于表情的人機(jī)情感交互
9.1 面部表情合成方法
9.1.1 基于網(wǎng)格變形的表情合成
9.1.2 基于數(shù)據(jù)驅(qū)動(dòng)的表情合成
9.2 表情合成要素
9.2.1 表情肌
9.2.2 面部行為編碼系統(tǒng)
9.2.3 Candide模型
9.3 紋理貼圖
9.3.1 紋理坐標(biāo)歸一化
9.3.2 表情合成
9.4 人機(jī)情感交互
9.4.1 人機(jī)交互虛擬仿真
9.4.2 人機(jī)交互真實(shí)場景
9.5 本章小結(jié)
總結(jié)與展望
附錄A
參考文獻(xiàn)
展開全部
類腦智能――大腦情感學(xué)習(xí)模型的應(yīng)用研究 作者簡介
梅英，湖南常德人，工學(xué)博士，控制科學(xué)與工程專業(yè)，現(xiàn)為湖南文理學(xué)院副教授。自二〇一九年起，先后赴國內(nèi)外訪學(xué)，英國北安普頓大學(xué)訪問學(xué)者和湖南大學(xué)訪問學(xué)者，目前主要研究方向?yàn)轭惸X智能、智能數(shù)據(jù)分析、智能機(jī)器人等。
書友推薦
- >
李白與唐代文化
- >
史學(xué)評論
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
- >
煙與鏡
- >
山海經(jīng)
- >
隨園食單
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
