掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
情感計算理論與方法 版權信息
- ISBN：9787302664468
- 條形碼：9787302664468 ; 978-7-302-66446-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
情感計算理論與方法 本書特色
本書多層次、全方位、立體式地凝練和總結了近幾年情感計算領域的主要理論和方法，內容涵蓋情感計算的基礎原理、前沿技術和應用等多個層次內容，同時也包括了該領域前沿的*新研究成果。
本書內容講解由淺入深，層次清晰，通俗易懂。
情感計算理論與方法 內容簡介
本書多層次、全方位、立體式地凝練和總結了近幾年情感計算領域的主要理論和方法，內容涵蓋情感計算的基礎原理、前沿技術和應用等多層次內容，也包括了該領域前沿的*新研究成果。
本書共分為8章，內容講解由淺入深，層次清晰，通俗易懂。第1章為情感計算背景介紹，重點介紹情感計算的內涵與情感計算的歷史；第2章為腦認知與情感計算，探索腦認知與情感計算的關系，針對情感計算的理論取向、情感在神經學的區分、情感的腦神經結構和網絡、基于腦認知的情感模型幾方面展開詳細介紹；第3章為情感計算模型，重點闡述了當前主流的離散情感計算模型和維度情感計算模型，并進一步拓展介紹了基于個性化的情感模型；第4章為情感特征，針對語音、視頻、文本、生理參數等不同模態的數據，分析不同情境下的情感關聯特征；第5章為情感識別，針對情感識別中現存的三類問題展開詳細介紹，并拓展分析情感識別重要的外延性工作，包括微表情檢測、人格分析、精神狀態分析以及言語置信度分析等問題；第6章為情感傾向性分析，重點闡述文本情感分析的主流方法，然后進一步介紹輿情分析；第7章為情感生成，首先探索了情感誘發方法和數據有效性分析方法，在此基礎上分別針對情感語音合成、表情生成、多模態情感生成中的關鍵問題進行闡述；第8章為情感計算的應用，介紹情感計算在情感機器人、醫療健康、社交媒體、公共安全、智能金融、智慧教育等不同領域的應用。
本書可以作為高等學校人工智能類專業各層次的教材，也可以作為人工智能從業者設計、應用、開發的參考用書。
情感計算理論與方法 目錄
第1章情感計算背景介紹
1.1情感計算的內涵
1.1.1情感的定義
1.1.2情感是如何計算的
1.1.3情感計算的作用
1.2情感計算的歷史
習題
第2章腦認知與情感計算 2.1情感計算的理論取向 2.1.1早期情感理論 2.1.2生理激活說 2.1.3認知評價說 2.1.4情感現象說 2.1.5情緒行為說 2.2情感在神經學的區分 2.2.1一級水平： 反射性情感反應 2.2.2二級水平： 一級情緒 2.2.3三級水平： 高級情感 2.3情感的腦神經結構和網絡 2.3.1杏仁核 2.3.2眶額回皮質 2.3.3扣帶回皮質 2.3.4背部神經核團 2.3.5外側下丘腦 2.3.6腹側黑質 2.4基于腦認知的情感模型 2.4.1EM模型 2.4.2Roseman情感模型 2.4.3EMA模型 2.4.4Salt&Pepper模型 習題 第3章情感計算模型 3.1離散情感計算模型 3.1.1基本情感論 3.1.2離散情感數據庫 3.1.3離散情感評價標準 3.2維度情感計算模型 3.2.1維度情感模型 3.2.2維度情感標注 3.2.3維度情感數據庫 3.2.4維度情感評價標準 3.3基于個性化的情感模型 3.3.1大五人格模型 3.3.2Chittaro行為模型 3.3.3EFA性格空間模型 3.3.4情緒心情性格模型 習題
第4章情感特征 4.1語音情感特征 4.1.1語音韻律特征 4.1.2語音譜特征 4.1.3語音音質特征 4.1.4功能性副語言特征 4.1.5其他語音特征 4.2視頻情感特征 4.2.1Gabor特征 4.2.2局部二值模式 4.2.3基于區分性學習的情感特征 4.2.4基于三正交平面的表情描述向量 4.2.5基于光流法的表情描述向量 4.2.6深度視頻特征 4.2.7面部表情編碼系統 4.3文本情感特征 4.3.1情感詞典的構建 4.3.2文本情感特征 4.3.3文本情感特征詞選擇 4.4生理參數特征 4.4.1情感計算中的生理信號 4.4.2EEG特征處理 4.4.3外周神經生理信號特征處理 習題
第5章情感識別 5.1多模態融合算法 5.1.1傳統融合算法 5.1.2子空間融合 5.1.3細粒度融合 5.1.4模態缺失 5.2低資源情感識別 5.2.1遷移學習 5.2.2數據擴增 5.3對話情感識別 5.3.1時序建模 5.3.2個體建模 5.3.3融合常識 5.4情感識別外延 5.4.1微表情檢測 5.4.2人格分析 5.4.3精神狀態分析 5.4.4言語置信度分析 5.4.5情感意圖理解 習題
第6章情感傾向性分析 6.1文本情感分析 6.1.1基于規則的文本情感分析 6.1.2基于統計機器學習的文本情感分析 6.1.3基于深度學習的文本情感分析 6.2輿情分析 習題
第7章情感生成 7.1情感是如何激發的 7.2情感誘發方法 7.2.1情感材料誘發 7.2.2情感情境誘發 7.3情感誘發有效性分析方法 7.3.1誘發效應影響因素 7.3.2誘發效果評價方法 7.4情感語音合成 7.4.1基于韻律修正的情感語音合成系統 7.4.2基于波形拼接的情感語音合成系統 7.4.3基于統計參數的情感語音合成系統 7.4.4基于深度學習的情感語音合成 7.4.5基于端到端的情感語音合成 7.4.6文本無關的情感語音轉換 7.5表情生成 7.5.1基于表情比率圖的表情生成方法 7.5.2基于幾何驅動的真實化人臉表情生成方法 7.5.3基于表情系數的表情生成方法 7.5.4基于五官移植的表情生成方法 7.5.5基于統計學的表情生成方法 7.5.6基于PixelRNN模型的表情生成 7.5.7基于GAN模型的表情生成 7.6多模態情感生成 習題
第8章情感計算的應用 8.1情感機器人的應用 8.2醫療健康的情感應用 8.2.1情感計算輔助檢測抑郁癥中的應用 8.2.2情感計算在睡眠癱瘓喚醒中的應用 8.2.3情感計算在老年人健康預警中的應用 8.3微博話題輿情分析的應用 8.4安全領域的情感應用 8.5金融領域的情感應用 8.6教育領域的情感應用 習題
附錄A情感計算算法基礎 A.1K近鄰方法 A.2高斯混合模型 A.3隱馬爾可夫模型 A.4支持向量機 A.5隨機森林 A.6AdaBoost A.7深度置信神經網絡 A.8卷積神經網絡 A.9循環神經網絡 A.10注意力機制模型 參考文獻
第2章腦認知與情感計算 2.1情感計算的理論取向 2.1.1早期情感理論 2.1.2生理激活說 2.1.3認知評價說 2.1.4情感現象說 2.1.5情緒行為說 2.2情感在神經學的區分 2.2.1一級水平： 反射性情感反應 2.2.2二級水平： 一級情緒 2.2.3三級水平： 高級情感 2.3情感的腦神經結構和網絡 2.3.1杏仁核 2.3.2眶額回皮質 2.3.3扣帶回皮質 2.3.4背部神經核團 2.3.5外側下丘腦 2.3.6腹側黑質 2.4基于腦認知的情感模型 2.4.1EM模型 2.4.2Roseman情感模型 2.4.3EMA模型 2.4.4Salt&Pepper模型 習題 第3章情感計算模型 3.1離散情感計算模型 3.1.1基本情感論 3.1.2離散情感數據庫 3.1.3離散情感評價標準 3.2維度情感計算模型 3.2.1維度情感模型 3.2.2維度情感標注 3.2.3維度情感數據庫 3.2.4維度情感評價標準 3.3基于個性化的情感模型 3.3.1大五人格模型 3.3.2Chittaro行為模型 3.3.3EFA性格空間模型 3.3.4情緒心情性格模型 習題
第4章情感特征 4.1語音情感特征 4.1.1語音韻律特征 4.1.2語音譜特征 4.1.3語音音質特征 4.1.4功能性副語言特征 4.1.5其他語音特征 4.2視頻情感特征 4.2.1Gabor特征 4.2.2局部二值模式 4.2.3基于區分性學習的情感特征 4.2.4基于三正交平面的表情描述向量 4.2.5基于光流法的表情描述向量 4.2.6深度視頻特征 4.2.7面部表情編碼系統 4.3文本情感特征 4.3.1情感詞典的構建 4.3.2文本情感特征 4.3.3文本情感特征詞選擇 4.4生理參數特征 4.4.1情感計算中的生理信號 4.4.2EEG特征處理 4.4.3外周神經生理信號特征處理 習題
第5章情感識別 5.1多模態融合算法 5.1.1傳統融合算法 5.1.2子空間融合 5.1.3細粒度融合 5.1.4模態缺失 5.2低資源情感識別 5.2.1遷移學習 5.2.2數據擴增 5.3對話情感識別 5.3.1時序建模 5.3.2個體建模 5.3.3融合常識 5.4情感識別外延 5.4.1微表情檢測 5.4.2人格分析 5.4.3精神狀態分析 5.4.4言語置信度分析 5.4.5情感意圖理解 習題
第6章情感傾向性分析 6.1文本情感分析 6.1.1基于規則的文本情感分析 6.1.2基于統計機器學習的文本情感分析 6.1.3基于深度學習的文本情感分析 6.2輿情分析 習題
第7章情感生成 7.1情感是如何激發的 7.2情感誘發方法 7.2.1情感材料誘發 7.2.2情感情境誘發 7.3情感誘發有效性分析方法 7.3.1誘發效應影響因素 7.3.2誘發效果評價方法 7.4情感語音合成 7.4.1基于韻律修正的情感語音合成系統 7.4.2基于波形拼接的情感語音合成系統 7.4.3基于統計參數的情感語音合成系統 7.4.4基于深度學習的情感語音合成 7.4.5基于端到端的情感語音合成 7.4.6文本無關的情感語音轉換 7.5表情生成 7.5.1基于表情比率圖的表情生成方法 7.5.2基于幾何驅動的真實化人臉表情生成方法 7.5.3基于表情系數的表情生成方法 7.5.4基于五官移植的表情生成方法 7.5.5基于統計學的表情生成方法 7.5.6基于PixelRNN模型的表情生成 7.5.7基于GAN模型的表情生成 7.6多模態情感生成 習題
第8章情感計算的應用 8.1情感機器人的應用 8.2醫療健康的情感應用 8.2.1情感計算輔助檢測抑郁癥中的應用 8.2.2情感計算在睡眠癱瘓喚醒中的應用 8.2.3情感計算在老年人健康預警中的應用 8.3微博話題輿情分析的應用 8.4安全領域的情感應用 8.5金融領域的情感應用 8.6教育領域的情感應用 習題
附錄A情感計算算法基礎 A.1K近鄰方法 A.2高斯混合模型 A.3隱馬爾可夫模型 A.4支持向量機 A.5隨機森林 A.6AdaBoost A.7深度置信神經網絡 A.8卷積神經網絡 A.9循環神經網絡 A.10注意力機制模型 參考文獻
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
回憶愛瑪儂
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
小考拉的故事-套裝共3冊
- >
中國歷史的瞬間
- >
山海經
- >
我從未如此眷戀人間
- >
月亮虎
本類暢銷
