掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
類腦智能――大腦情感學習模型的應用研究 版權信息
- ISBN：9787121453274
- 條形碼：9787121453274 ; 978-7-121-45327-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
類腦智能――大腦情感學習模型的應用研究 內容簡介
類腦智能技術是當前國際重要的科技前沿，研究類腦智能技術對發展新型信息產業意義重大。本書介紹了一種新穎的類腦模型―大腦情感學習模型，并介紹了其學習算法、改進技術及應用。大腦情感學習模型根據哺乳動物大腦邊緣系統的結構建立，在模擬生物智能行為上表現出了良好的自適應性能，模型結構簡單，運算速度快。本書共9章，分為3篇：基礎篇、改進篇和應用篇。基礎篇主要介紹大腦情感學習模型的研究現狀、神經生理學基礎與學習算法；改進篇主要介紹大腦情感學習模型的改進技術，通過加入監督學習和競爭學習機制改進模型性能；應用篇主要介紹將改進的大腦情感學習模型用于混沌時間序列預測、疾病診斷、表情識別及人機情感交互等領域的例子。本書可以作為研究生、高校教師及工程技術人員的自學和參考用書，也適合對類腦模型研究感興趣的研究人員和工程技術人員閱讀。
類腦智能――大腦情感學習模型的應用研究 目錄
第1篇 大腦情感學習模型基礎篇
第1章 大腦情感學習模型概述
1.1 類腦智能
1.2 大腦情感學習模型
1.3 大腦情感學習模型的研究現狀
1.3.1 智能控制應用
1.3.2 數據分析應用
1.4 大腦情感學習模型的特點
1.5 本章小結
第2章 神經生理學基礎
2.1 大腦邊緣系統
2.2 大腦反射通路
2.3 大腦神經網絡結構
2.4 大腦神經網絡學習
2.5 本章小結
第3章 大腦情感學習算法
3.1 強化學習
3.2 大腦情感學習
3.3 大腦情感學習模型權值調節
3.3.1 杏仁體權值調節
3.3.2 眶額皮質權值調節
3.4 穩定性分析
3.4.1 杏仁體穩定性分析
3.4.2 眶額皮質穩定性分析
3.5 大腦情感學習模型的局限性
3.6 本章小結
第2篇 大腦情感學習模型改進篇
第4章 監督型大腦情感學習網絡
4.1 人工神經網絡
4.1.1 人工神經元
4.1.2 人工神經網絡分類
4.1.3 人工神經網絡學習方式
4.2 構建監督型大腦情感學習網絡
4.2.1 SBEL網絡結構
4.2.2 SBEL算法
4.2.3 SBEL算法流程
4.3 實驗與分析
4.3.1 數據集與預處理
4.3.2 分類性能評價
4.3.3 實驗結果
4.3.4 比較與分析
4.4 本章小結
第5章 競爭型大腦情感學習網絡
5.1 生物學基礎
5.2 “贏者通吃”競爭機制
5.3 構建競爭型大腦情感學習網絡
5.3.1 CBEL網絡結構
5.3.2 CBEL算法
5.3.3 CBEL算法流程
5.4 實驗與分析
5.4.1 實驗設置
5.4.2 實驗結果
5.4.3 比較與分析
5.5 本章小結
第3篇 大腦情感學習模型應用篇
第6章 混沌時間序列預測
6.1 數據預測步驟
6.2 大腦情感學習預測模型
6.3 自適應遺傳算法優化
6.3.1 染色體編碼
6.3.2 適應度函數
6.3.3 遺傳算子
6.3.4 AGA-BEL算法步驟
6.4 預測仿真實驗
6.4.1 Lorenz混沌時間序列預測
6.4.2 磁暴環電流指數Dst預測
6.5 本章小結
第7章 疾病診斷
7.1 計算機輔助疾病診斷的步驟
7.2 疾病診斷BEL網絡
7.2.1 網絡結構
7.2.2 算法
7.3 模型優化
7.3.1 改進的自適應遺傳算法
7.3.2 遺傳操作
7.3.3 IAGA-SBEL算法步驟
7.4 實驗與分析
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
第8章 表情識別
8.1 表情識別步驟
8.1.1 人臉檢測與預處理
8.1.2 表情特征提取
8.1.3 表情分類
8.2 表情識別網絡
8.3 粒子群算法優化
8.3.1 改進粒子群算法
8.3.2 優化操作
8.3.3 IPSO-CBEL算法步驟
8.4 實驗與分析
8.4.1 JAFFE表情識別
8.4.2 Cohn-Kanade表情識別
8.5 本章小結
第9章 基于表情的人機情感交互
9.1 面部表情合成方法
9.1.1 基于網格變形的表情合成
9.1.2 基于數據驅動的表情合成
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
9.2.3 Candide模型
9.3 紋理貼圖
9.3.1 紋理坐標歸一化
9.3.2 表情合成
9.4 人機情感交互
9.4.1 人機交互虛擬仿真
9.4.2 人機交互真實場景
9.5 本章小結
總結與展望
附錄A
參考文獻
第1章 大腦情感學習模型概述
1.1 類腦智能
1.2 大腦情感學習模型
1.3 大腦情感學習模型的研究現狀
1.3.1 智能控制應用
1.3.2 數據分析應用
1.4 大腦情感學習模型的特點
1.5 本章小結
第2章 神經生理學基礎
2.1 大腦邊緣系統
2.2 大腦反射通路
2.3 大腦神經網絡結構
2.4 大腦神經網絡學習
2.5 本章小結
第3章 大腦情感學習算法
3.1 強化學習
3.2 大腦情感學習
3.3 大腦情感學習模型權值調節
3.3.1 杏仁體權值調節
3.3.2 眶額皮質權值調節
3.4 穩定性分析
3.4.1 杏仁體穩定性分析
3.4.2 眶額皮質穩定性分析
3.5 大腦情感學習模型的局限性
3.6 本章小結
第2篇 大腦情感學習模型改進篇
第4章 監督型大腦情感學習網絡
4.1 人工神經網絡
4.1.1 人工神經元
4.1.2 人工神經網絡分類
4.1.3 人工神經網絡學習方式
4.2 構建監督型大腦情感學習網絡
4.2.1 SBEL網絡結構
4.2.2 SBEL算法
4.2.3 SBEL算法流程
4.3 實驗與分析
4.3.1 數據集與預處理
4.3.2 分類性能評價
4.3.3 實驗結果
4.3.4 比較與分析
4.4 本章小結
第5章 競爭型大腦情感學習網絡
5.1 生物學基礎
5.2 “贏者通吃”競爭機制
5.3 構建競爭型大腦情感學習網絡
5.3.1 CBEL網絡結構
5.3.2 CBEL算法
5.3.3 CBEL算法流程
5.4 實驗與分析
5.4.1 實驗設置
5.4.2 實驗結果
5.4.3 比較與分析
5.5 本章小結
第3篇 大腦情感學習模型應用篇
第6章 混沌時間序列預測
6.1 數據預測步驟
6.2 大腦情感學習預測模型
6.3 自適應遺傳算法優化
6.3.1 染色體編碼
6.3.2 適應度函數
6.3.3 遺傳算子
6.3.4 AGA-BEL算法步驟
6.4 預測仿真實驗
6.4.1 Lorenz混沌時間序列預測
6.4.2 磁暴環電流指數Dst預測
6.5 本章小結
第7章 疾病診斷
7.1 計算機輔助疾病診斷的步驟
7.2 疾病診斷BEL網絡
7.2.1 網絡結構
7.2.2 算法
7.3 模型優化
7.3.1 改進的自適應遺傳算法
7.3.2 遺傳操作
7.3.3 IAGA-SBEL算法步驟
7.4 實驗與分析
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
第8章 表情識別
8.1 表情識別步驟
8.1.1 人臉檢測與預處理
8.1.2 表情特征提取
8.1.3 表情分類
8.2 表情識別網絡
8.3 粒子群算法優化
8.3.1 改進粒子群算法
8.3.2 優化操作
8.3.3 IPSO-CBEL算法步驟
8.4 實驗與分析
8.4.1 JAFFE表情識別
8.4.2 Cohn-Kanade表情識別
8.5 本章小結
第9章 基于表情的人機情感交互
9.1 面部表情合成方法
9.1.1 基于網格變形的表情合成
9.1.2 基于數據驅動的表情合成
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
9.2.3 Candide模型
9.3 紋理貼圖
9.3.1 紋理坐標歸一化
9.3.2 表情合成
9.4 人機情感交互
9.4.1 人機交互虛擬仿真
9.4.2 人機交互真實場景
9.5 本章小結
總結與展望
附錄A
參考文獻
展開全部
類腦智能――大腦情感學習模型的應用研究 作者簡介
梅英，湖南常德人，工學博士，控制科學與工程專業，現為湖南文理學院副教授。自二〇一九年起，先后赴國內外訪學，英國北安普頓大學訪問學者和湖南大學訪問學者，目前主要研究方向為類腦智能、智能數據分析、智能機器人等。
書友推薦
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
自卑與超越
- >
隨園食單
- >
月亮虎
- >
唐代進士錄
- >
我與地壇
- >
推拿
本類暢銷
