人工腦信息處理模型及其應(yīng)用

出版時(shí)間:2011-1  出版社:科學(xué)  作者:楊國(guó)為  頁(yè)數(shù):296  

內(nèi)容概要

《人工腦信息處理模型及其應(yīng)用》是關(guān)于智能信息處理模型及其應(yīng)用的專著,著重介紹作者楊國(guó)為提出的基于對(duì)事物(信息)認(rèn)知、理解的人工腦信息處理模型。主要內(nèi)容包括:人工腦信息處理神經(jīng)網(wǎng)絡(luò)模型,人工腦的基于同源同類事物連通本性的模式識(shí)別模型,人工腦感知聯(lián)想記憶模型,人工腦具有期望容錯(cuò)域的聯(lián)想記憶模型,人工腦擬人處理矛盾的物元?jiǎng)討B(tài)系統(tǒng)模型,人工魚的廣義模型,以及有關(guān)模型設(shè)計(jì)的理論方法、實(shí)現(xiàn)技術(shù)、應(yīng)用系統(tǒng)。
《人工腦信息處理模型及其應(yīng)用》可供從事智能科學(xué)與技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)、信息科學(xué)與技術(shù)、控制科學(xué)與工程、系統(tǒng)科學(xué)等領(lǐng)域研究的學(xué)者和工程技術(shù)人員參考,也可作為高等院校相關(guān)專業(yè)博士及碩士研究生的參考書。

作者簡(jiǎn)介

楊國(guó)為,北京科技大學(xué)工學(xué)博士,江西師范大學(xué)理學(xué)碩士,中國(guó)科學(xué)院半導(dǎo)體研究所神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)室博士后,江西樟樹(shù)人。現(xiàn)為中國(guó)人工智能學(xué)會(huì)理事.中國(guó)人工智能學(xué)會(huì)可拓工程專業(yè)委員會(huì)副秘書長(zhǎng),中國(guó)人工智能學(xué)會(huì)智能控制與智能管理專業(yè)委員會(huì)委員,青島大學(xué)教授。已獨(dú)立完成2本著作,以第一發(fā)明人身份申請(qǐng)3個(gè)發(fā)明專利,公開(kāi)發(fā)表60余篇學(xué)術(shù)論文,其中20余篇以第一作者身份發(fā)表的論文被SCI、EI、ISTP檢索。目前正主持國(guó)家自然科學(xué)基金、山東省自然科學(xué)基金等基金的課題。

書籍目錄

《智能科學(xué)技術(shù)著作叢書》序

前言
第1章緒論
1.1人工腦的含義
1.1.1人工腦的概念及功能
1.1.2人工腦的定義
1.1.3人工腦與超級(jí)計(jì)算機(jī)
1.2人腦的信息模型
1.2.1人腦的結(jié)構(gòu)
1.2.2大腦皮層功能區(qū)
1.2.3人腦信息處理機(jī)制
1.2.4學(xué)習(xí)記憶機(jī)制
1.3人腦與電腦的比較
1.3.1人腦與電腦功能的差別
1.3.2人腦與電腦的優(yōu)缺點(diǎn)
1.3.3電腦的未來(lái)
1.4人工腦的發(fā)展
1.4.1早期的機(jī)器智能研究
1.4.2計(jì)算機(jī)仿真進(jìn)化模型
1.4.3人工神經(jīng)網(wǎng)絡(luò)與智能信息處理
1.4.4細(xì)胞自動(dòng)機(jī)
1.4.5日本第五代智能計(jì)算機(jī)
1.4.6第六代電子計(jì)算機(jī)——神經(jīng)計(jì)算機(jī)
1.4.7 ATR的“細(xì)胞自動(dòng)機(jī)-仿腦計(jì)劃”
1.4.8其他嘗試
1.5研究方法實(shí)現(xiàn)技術(shù)
1.5.1生命科學(xué)基本概念
1.5.2神經(jīng)工程
1.5.3人工神經(jīng)網(wǎng)絡(luò)
1.5.4誤差反向傳播
1.5.5知識(shí)涌現(xiàn)
1.5.6 ATR細(xì)胞自動(dòng)機(jī)-仿腦的實(shí)現(xiàn)
1.5.7發(fā)展預(yù)測(cè)
1.6展望
1.6.1硬件方面
1.6.2軟件方面
1.6.3研究方向
參考文獻(xiàn)
第2章人工腦信息處理神經(jīng)網(wǎng)絡(luò)模型
2.1人工神經(jīng)網(wǎng)絡(luò)模型
2.2前向網(wǎng)絡(luò)
2.3前向神經(jīng)網(wǎng)絡(luò)的分類(能力)模型
2.4應(yīng)用BP學(xué)習(xí)算法進(jìn)行模式分類的隱患定理
2.5一種新的多層感知神經(jīng)網(wǎng)絡(luò)模式分類模型
2.6分式線性神經(jīng)網(wǎng)絡(luò)及其非線性逼近能力研究
2.6.1分式線性神經(jīng)網(wǎng)絡(luò)
2.6.2分式線性神經(jīng)網(wǎng)絡(luò)的非線性逼近能力
2.6.3分式線性神經(jīng)網(wǎng)絡(luò)的BP學(xué)習(xí)算法
2.6.4分式線性神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)在無(wú)界區(qū)域上逼近能力的比較
2.6.5無(wú)界區(qū)域上的映射逼近仿真實(shí)驗(yàn)
2.7基于遺傳算法的分式線性神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)與應(yīng)用
2.7.1遺傳算法
2.7.2基于遺傳算法的分式線性神經(jīng)網(wǎng)絡(luò)BP算法設(shè)計(jì)
2.7.3基于遺傳算法的分式線性神經(jīng)網(wǎng)絡(luò)的大慶降雨量預(yù)測(cè)模型
2.8基于神經(jīng)網(wǎng)絡(luò)的廣域上非線性連續(xù)映射分塊并行建模方法的研究
2.8.1廣域上非線性連續(xù)映射分塊并行建模的必要性
2.8.2廣域上非線性連續(xù)映射的神經(jīng)網(wǎng)絡(luò)分塊并行模型
2.8.3小結(jié)
2.9基于虛擬信源和神經(jīng)網(wǎng)絡(luò)的無(wú)損數(shù)據(jù)壓縮方法的研究
2.9.10與1字符串的虛擬信源
2.9.2虛擬信源的一種神經(jīng)網(wǎng)絡(luò)模型
2.9.3基于虛擬信源的無(wú)損數(shù)據(jù)壓縮原理
2.9.4實(shí)驗(yàn)結(jié)果
2.10本章小結(jié)
參考文獻(xiàn)
第3章人工腦的基于同源同類事物連通本性的模式識(shí)別模型
3.1仿生模式識(shí)別的兩個(gè)關(guān)鍵技術(shù)問(wèn)題研究
3.1.1同類事物連續(xù)(連通)通路、方向的確定
3.1.2判定高維空間中一點(diǎn)Z是否屬于滿意覆蓋體□的技術(shù)
3.1.3應(yīng)用實(shí)驗(yàn)
3.2基于同源同類事物連通本性的認(rèn)證識(shí)別神經(jīng)網(wǎng)絡(luò)
3.2.1同源同類事物連通連網(wǎng)排序技術(shù)
3.2.2超香腸神經(jīng)元構(gòu)造和優(yōu)先度排序超香腸覆蓋神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
3.3基于同源同類事物連通本性的模式分類SLAM模型
3.3.1通用前饋網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
3.3.2保同源同類事物局部直接連通的模式分類sLAM模型
3.3.3實(shí)驗(yàn)與分析
3.3.4小結(jié)
3.4基于同源同類事物連通本性的分塊并行優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)
3.4.1訓(xùn)練樣本連通連網(wǎng)排序
3.4.2分塊并行優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
3.4.3基于同源同類事物連通本性的分塊并行優(yōu)先度排序神經(jīng)網(wǎng)絡(luò)算法
3.5基于同源同類事物連通本性的分塊并行優(yōu)先度排序RBF神經(jīng)網(wǎng)絡(luò)
3.5.1基于同源同類事物連通本性的優(yōu)先度排序RBF網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
3.5.2基于同源同類事物連通本性的優(yōu)先度排序:RBF網(wǎng)絡(luò)的訓(xùn)練算法
3.5.3新增樣本的增量學(xué)習(xí)
3.6基于同源同類事物連通本性的分塊并行優(yōu)先度排序DBF神經(jīng)網(wǎng)絡(luò)
3.7基于同源同類事物連通本性的分塊并行優(yōu)先度排序通用高階神經(jīng)網(wǎng)絡(luò)
3.8基于同源同類事物連通本性的分塊并行優(yōu)先度排序SVM
3.8.1訓(xùn)練樣本連通排序
3.8.2分塊并行優(yōu)先度排序SVM拓?fù)浣Y(jié)構(gòu)
3.8.3基于同源同類事物連通本性的分塊并行優(yōu)先度排序SVM算法
3.9模式可拓識(shí)別與模式可拓識(shí)別神經(jīng)網(wǎng)絡(luò)模型
3.9.1模式可拓識(shí)別方法
3.9.2高維模式可拓識(shí)別的一種神經(jīng)網(wǎng)絡(luò)模型
3.9.3小結(jié)
參考文獻(xiàn)
第4章人工腦感知聯(lián)想記憶模型
4.1時(shí)變?nèi)蒎e(cuò)域的感知聯(lián)想記憶模型及其實(shí)現(xiàn)算法
4.1.1時(shí)變?nèi)蒎e(cuò)域的四層感知聯(lián)想記憶模型及其實(shí)現(xiàn)算法
4.1.2時(shí)變?nèi)蒎e(cuò)域感知聯(lián)想記憶模型的遺忘與記憶擴(kuò)充
4.1.3仿真實(shí)驗(yàn)與討論
4.1.4小結(jié)
4.2人工腦可控容錯(cuò)域的聯(lián)想記憶模型與仿真實(shí)現(xiàn)
4.2.1可控容錯(cuò)域聯(lián)想記憶的樣本容錯(cuò)域設(shè)計(jì).
4.2.2可控容錯(cuò)域聯(lián)想記憶模型的分塊并行確定方法.
4.3本章小結(jié)
參考文獻(xiàn)
第5章人工腦具有期望容錯(cuò)域的聯(lián)想記憶模型的設(shè)計(jì)方法
5.1人工腦具有期望容錯(cuò)域的前向掩蔽聯(lián)想記憶模型的設(shè)計(jì)方法
5.1.1引言
5.1.2前向掩蔽聯(lián)想記憶模型的樣本任意期望容錯(cuò)域設(shè)計(jì)
5.1.3期望容錯(cuò)域的前向掩蔽聯(lián)想記憶模型拓?fù)浣Y(jié)構(gòu)
5.1.4期望容錯(cuò)域的前向掩蔽聯(lián)想記憶模型確定的排序?qū)W習(xí)算法
5.1.5小結(jié)
5.2人工腦具有期望時(shí)變?nèi)蒎e(cuò)域的聯(lián)想記憶模型的設(shè)計(jì)方法
5.2.1聯(lián)想記憶模型的樣本任意期望容錯(cuò)域設(shè)計(jì)
5.2.2聯(lián)想記憶模型的拓?fù)浣Y(jié)構(gòu)
5.2.3基于排序?qū)W習(xí)與增量學(xué)習(xí)相結(jié)合的聯(lián)想記憶模型確定
5.2.4小結(jié)
5.3具有期望容錯(cuò)域的超弦星系聯(lián)想記憶模型的設(shè)計(jì)方法
5.3.1超弦理論與聯(lián)想記憶
5.3.2超弦星系聯(lián)想記憶模型的樣本任意期望容錯(cuò)域設(shè)計(jì)
5.3.3期望容錯(cuò)域的超弦星系聯(lián)想記憶模型拓?fù)浣Y(jié)構(gòu)
5.3.4期望容錯(cuò)域的超弦星系聯(lián)想記憶模型確定
5.3.5遺忘與記憶擴(kuò)充算法
5.3.6聯(lián)想記憶模型實(shí)例
5.3.7小結(jié)
參考文獻(xiàn)
第6章人工腦擬人處理矛盾的物元?jiǎng)討B(tài)系統(tǒng)模型化方法
6.1廣義物元系統(tǒng)可拓集的概念l
6.2廣義物元系統(tǒng)可拓集的運(yùn)算
6.3廣義物元系統(tǒng)可拓集的限制
6.4廣義限制物元系統(tǒng)和廣義?制物元系統(tǒng)可拓關(guān)系
6.5廣義問(wèn)題的概念
6.6廣義問(wèn)題的模型
6.7廣義問(wèn)題求解
6.7.1對(duì)立問(wèn)題的轉(zhuǎn)換及轉(zhuǎn)折解法
6.7.2不相容問(wèn)題轉(zhuǎn)換及轉(zhuǎn)折解法
6.7.3不相容關(guān)系問(wèn)題的轉(zhuǎn)換及轉(zhuǎn)折解法
6.7.4廣義問(wèn)題求解過(guò)程
6.7.5廣義問(wèn)題求解算法
6.8物元可拓集中面向?qū)嶋H的關(guān)聯(lián)函數(shù)建立方法
6.9物元系統(tǒng)與或網(wǎng)及擬人推理
6.9.1物元系統(tǒng)與或網(wǎng)概念及特點(diǎn)
6.9.2基于物元系統(tǒng)與或網(wǎng)的擬人推理
6.10本章小結(jié)
參考文獻(xiàn)
第7章人工魚的廣義模型
7.1人工魚模型概述
7.2擴(kuò)展的人工魚模型
7.3人工魚的局部運(yùn)動(dòng)規(guī)律建模和模型的隨機(jī)連續(xù)切換
7.4叼食物行為運(yùn)動(dòng)規(guī)律模型
7.5人工魚社會(huì)行為系統(tǒng)
7.6本章小結(jié)
參考文獻(xiàn)
第8章結(jié)論與展望

章節(jié)摘錄

版權(quán)頁(yè):插圖:人腦是自生命誕生以來(lái),生物經(jīng)過(guò)數(shù)十億年漫長(zhǎng)歲月進(jìn)化的結(jié)果,是具有高度智能的復(fù)雜系統(tǒng)。它不必采用繁復(fù)的數(shù)字計(jì)算和邏輯運(yùn)算,卻能靈活處理各種復(fù)雜的、不精確的和模糊的信息,善于理解語(yǔ)言、圖像,并具有直覺(jué)感知等功能;不僅具有形象思維和邏輯思維功能,而且具有靈感思維、創(chuàng)造性思維及直覺(jué)認(rèn)知、聯(lián)想推理、分析綜合、預(yù)測(cè)決策等功能。人腦的信息處理機(jī)制極其復(fù)雜,從結(jié)構(gòu)上看,它是包含140億個(gè)神經(jīng)細(xì)胞的大規(guī)模網(wǎng)絡(luò)。單個(gè)神經(jīng)細(xì)胞的工作速度并不高(毫秒級(jí)),但它通過(guò)超并行處理使得整個(gè)系統(tǒng)具有信息處理的高速性和信息表現(xiàn)的多樣性。人工智能(artificial intelligence,AI)的研究目標(biāo)就是探討智能的基本機(jī)理,研究如何利用各種自動(dòng)機(jī)來(lái)模擬人的某些思維過(guò)程和智能行為,采用機(jī)器來(lái)代替人的部分腦力勞動(dòng),包括用計(jì)算機(jī)進(jìn)行復(fù)雜推理、自動(dòng)求解某些復(fù)雜問(wèn)題。這樣的計(jì)算機(jī)是一種信息處理機(jī)或者說(shuō)是一種智能機(jī)器,它的廣泛應(yīng)用和發(fā)展正引起人工智能和機(jī)器人的深刻變化。人工智能系統(tǒng)在以機(jī)器方式實(shí)現(xiàn)模擬人類智能方面已取得了顯著的進(jìn)展。從信息處理的角度對(duì)人腦進(jìn)行研究,并由此研制出一種像人腦那樣能夠“思維”的智能計(jì)算機(jī)和智能信息處理方法,一直是人工智能追求的目標(biāo)。1.1人工腦的含義計(jì)算機(jī)雖然具有極高的運(yùn)行速度和極大的存儲(chǔ)容量,目前卻只能按一種或開(kāi)或關(guān)的二值邏輯工作,無(wú)法理解人類廣泛使用的模糊概念和模糊邏輯,“感覺(jué)器官”也很不發(fā)達(dá)。要使計(jì)算機(jī)在現(xiàn)實(shí)世界中成為人們更加得心應(yīng)手的智能工具,具有廣泛的問(wèn)題求解能力,就必須為它配上更加發(fā)達(dá)的感覺(jué)器官、效應(yīng)器官和高級(jí)思維程序。但是,如何系統(tǒng)地實(shí)現(xiàn)模擬人腦神經(jīng)元結(jié)構(gòu)與功能,依然是一個(gè)具有很大難度的課題。

編輯推薦

《人工腦信息處理模型及其應(yīng)用》:智能科學(xué)與技術(shù)著作叢書

圖書封面

評(píng)論、評(píng)分、閱讀與下載


    人工腦信息處理模型及其應(yīng)用 PDF格式下載


用戶評(píng)論 (總計(jì)0條)

 
 

 

250萬(wàn)本中文圖書簡(jiǎn)介、評(píng)論、評(píng)分,PDF格式免費(fèi)下載。 第一圖書網(wǎng) 手機(jī)版

京ICP備13047387號(hào)-7