《智能科学 第3版》PDF下载

  • 购买积分:16 如何计算积分?
  • 作  者:史忠植著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2019
  • ISBN:9787302515494
  • 页数:536 页
图书介绍:

第1章 绪论 1

1.1 智能革命 1

1.2 智能科学的兴起 2

1.3 脑科学 4

1.4 认知科学 6

1.5 人工智能 7

1.6 智能科学的研究内容 10

1.7 展望 13

第2章 神经生理基础 15

2.1 脑系统 15

2.2 神经组织 17

2.2.1 神经元的基本组成 17

2.2.2 神经元的分类 19

2.2.3 神经胶质细胞 19

2.3 突触传递 21

2.3.1 化学性突触 22

2.3.2 电突触 24

2.3.3 突触传递的机制 24

2.4 神经递质 25

2.4.1 乙酰胆碱 26

2.4.2 儿茶酚胺类 26

2.4.3 5-羟色胺 30

2.4.4 氨基酸和寡肽 32

2.4.5 一氧化氮 32

2.4.6 受体 32

2.5 信号跨膜转导 33

2.5.1 转导蛋白 34

2.5.2 第二信使 35

2.6 静息膜电位 37

2.7 动作电位 40

2.8 离子通道 44

2.9 脑电信号 45

2.9.1 脑电信号分类 45

2.9.2 脑电信号分析 47

2.10 神经系统 48

2.10.1 中枢神经系统 48

2.10.2 周围神经系统 49

2.11 大脑皮质 50

第3章 神经计算 53

3.1 概述 53

3.2 神经元模型 62

3.3 反传学习算法 63

3.3.1 反传算法的原理 63

3.3.2 反传算法的数学表达 64

3.3.3 反传算法的执行步骤 66

3.3.4 对反传网络优缺点的讨论 67

3.4 Hopfield模型 68

3.4.1 离散Hopfield网络 68

3.4.2 连续Hopfield网络 71

3.5 自适应共振理论ART模型 73

3.5.1 ART模型的结构 73

3.5.2 ART的基本工作原理 75

3.5.3 ART模型的数学描述 80

3.6 神经网络集成 81

3.6.1 结论生成方法 82

3.6.2 个体生成方法 83

3.7 脉冲耦合神经网络 83

3.7.1 Eckhorn模型 84

3.7.2 脉冲耦合神经网络模型 84

3.7.3 贝叶斯连接域神经网络模型 86

3.8 神经场模型 87

3.8.1 神经场表示 87

3.8.2 神经场学习理论 90

3.9 超限学习机 94

3.10 功能柱神经网络模型 95

3.10.1 模型与方法 95

3.10.2 单功能柱模型的模拟结果 98

3.11 神经元集群的编码和解码 101

3.11.1 概述 101

3.11.2 熵编码理论 103

3.11.3 贝叶斯集群编码 106

3.11.4 贝叶斯集群解码 107

第4章 心智模型 109

4.1 心智建模 109

4.2 图灵机 113

4.3 物理符号系统 114

4.4 ACT模型 117

4.5 SOAR模型 119

4.6 心智社会 121

4.7 LIDA 122

4.8 CAM心智模型 127

4.9 PMJ心智模型 130

4.10 动力系统理论 131

4.11 大脑协同学 133

第5章 视觉感知 136

5.1 视觉的生理机制 136

5.1.1 视网膜 136

5.1.2 光感受器 137

5.1.3 外膝体 138

5.1.4 视皮层 139

5.1.5 感受野 140

5.1.6 功能柱 142

5.1.7 颜色视觉 143

5.1.8 知觉恒常性 143

5.2 视觉理论 146

5.2.1 建构理论 146

5.2.2 直接知觉 147

5.2.3 格式塔理论 148

5.3 视觉有效编码 150

5.4 马尔的视觉计算理论 154

5.5 拓扑视觉理论 158

5.6 视觉的正则化理论 161

5.7 基于模型的视觉理论 164

5.8 计算机视觉 166

5.8.1 图像分割 167

5.8.2 图像理解 169

5.8.3 主动视觉 170

5.8.4 立体视觉 170

5.8.5 利用启发式知识的方法 173

5.9 同步化响应 174

5.9.1 概述 174

5.9.2 神经生物学实验 175

5.9.3 时间编码 176

5.9.4 视皮层的神经元振荡模型 177

5.9.5 视觉系统中的表象与尺度变换 178

5.9.6 神经网络中的非线性动力学问题 180

第6章 听觉感知 183

6.1 听觉通路 183

6.2 听觉信息的中枢处理 185

6.2.1 频率分析机理 185

6.2.2 强度分析机理 187

6.2.3 声源定位和双耳听觉 187

6.2.4 对复杂声的分析 187

6.3 语音编码 188

6.4 韵律认知 189

6.4.1 韵律特征 189

6.4.2 韵律建模 191

6.4.3 韵律标注 192

6.4.4 韵律生成 193

6.4.5 韵律生成的认知神经科学机制 194

6.5 语音识别 194

6.5.1 语音识别概况 194

6.5.2 语音识别系统结构 196

6.5.3 基于深度神经网络的语音识别系统 196

6.6 语音合成 199

6.6.1 语音合成概况 199

6.6.2 文字到语音合成系统 200

6.6.3 概念语音转换系统 201

6.7 听觉场景分析 205

6.7.1 初级分析 205

6.7.2 以图式为基础的知觉组织 207

6.7.3 初级分析与图式加工之间的关系 207

6.7.4 场景分析的总体评价 208

6.8 言语行为 209

第7章 语言 210

7.1 引言 210

7.2 语言认知 211

7.3 乔姆斯基的形式文法 215

7.3.1 短语结构文法 215

7.3.2 上下文有关文法 216

7.3.3 上下文无关文法 216

7.3.4 正则文法 217

7.4 扩充转移网络 219

7.5 格文法 221

7.6 概念依存理论 223

7.7 语言理解 225

7.7.1 概述 225

7.7.2 基于规则的分析方法 228

7.7.3 基于语料的统计模型 231

7.7.4 机器学习方法 233

7.8 脑语言功能区 235

7.8.1 经典语言功能区 235

7.8.2 语义相关功能区 236

7.8.3 音韵相关功能区 237

7.8.4 拼字相关功能区 237

7.8.5 双语者脑语言功能区 237

第8章 学习 238

8.1 概述 238

8.2 行为学习理论 239

8.2.1 条件反射学习理论 239

8.2.2 行为主义的学习理论 239

8.2.3 联结学习理论 240

8.2.4 操作学习理论 241

8.2.5 相近学习理论 243

8.2.6 需要消减理论 244

8.3 认知学习理论 247

8.3.1 格式塔学派的学习理论 248

8.3.2 认知目的理论 249

8.3.3 认知发现理论 250

8.3.4 认知同化理论 251

8.3.5 信息加工学习理论 253

8.3.6 建构主义的学习理论 256

8.4 人本学习理论 257

8.5 观察学习理论 259

8.6 内省学习 260

8.6.1 内省学习一般模型 262

8.6.2 内省学习的元推理 263

8.6.3 失败分类 263

8.6.4 内省过程中的基于案例推理 264

8.7 强化学习 265

8.7.1 强化学习模型 265

8.7.2 Q学习 267

8.7.3 部分感知强化学习 268

8.8 深度学习 268

8.8.1 概述 268

8.8.2 深度信念网络 269

8.8.3 卷积神经网络 270

8.9 学习计算理论 275

8.9.1 哥尔德学习理论 275

8.9.2 模型推理系统 276

8.9.3 大概近似正确学习理论 277

第9章 记忆 278

9.1 概述 278

9.2 记忆系统 279

9.2.1 感觉记忆 280

9.2.2 短时记忆 281

9.2.3 长时记忆 285

9.3 长时记忆 286

9.3.1 长时记忆的类型 286

9.3.2 长时记忆的模型 288

9.3.3 长时记忆的信息提取 293

9.4 工作记忆 295

9.4.1 工作记忆模型 295

9.4.2 工作记忆和推理 296

9.4.3 工作记忆的神经机制 297

9.5 遗忘理论 298

9.6 内隐记忆 301

9.7 动态记忆理论 303

9.8 记忆-预测理论 304

9.8.1 恒定表征 304

9.8.2 大脑皮层区的结构 305

9.8.3 大脑皮层区如何工作 305

9.9 互补学习记忆 306

9.9.1 海马体 306

9.9.2 互补学习系统 308

第10章 思维 311

10.1 概述 311

10.2 思维的形态 315

10.2.1 抽象思维 316

10.2.2 形象思维 317

10.2.3 灵感思维 319

10.3 精神活动层级 320

10.4 推理 322

10.4.1 演绎推理 322

10.4.2 归纳推理 323

10.4.3 反绎推理 325

10.4.4 类比推理 326

10.4.5 非单调推理 328

10.4.6 常识性推理 329

10.5 问题求解 331

10.5.1 问题空间 331

10.5.2 产生式系统 332

10.5.3 启发式搜索 334

10.5.4 手段目的分析法 336

10.5.5 解决问题的策略 337

10.6 决策理论 340

10.6.1 决策效用理论 341

10.6.2 满意原则 342

10.6.3 逐步消元法 342

10.6.4 贝叶斯决策方法 343

10.7 智能决策支持系统 343

10.7.1 智能决策支持系统 343

10.7.2 综合集成研讨厅 345

第11章 智力发展 347

11.1 引言 347

11.2 智力理论 349

11.2.1 智力的因素论 349

11.2.2 多元智力理论 350

11.2.3 智力结构论 350

11.3 智力的测量 351

11.4 皮亚杰认知发展理论 354

11.4.1 图式 355

11.4.2 儿童智力发展阶段 357

11.4.3 新皮亚杰主义 363

11.5 智力发展的影响因素 364

11.5.1 成熟因素 364

11.5.2 经验因素 365

11.5.3 社会环境因素 366

11.5.4 平衡化因素 367

11.6 智力发展的人工系统 367

第12章 情绪与情感 369

12.1 概述 369

12.1.1 情绪的构成要素 369

12.1.2 情绪的基本形式 370

12.1.3 情绪状态 371

12.1.4 情绪的功能 371

12.2 情绪理论 373

12.2.1 詹姆斯—兰格情绪学说 373

12.2.2 情绪评估—兴奋学说 373

12.2.3 情绪三因素说 373

12.2.4 基本情绪论 373

12.2.5 维度论 374

12.2.6 非线性动态策略 375

12.3 情绪加工 376

12.3.1 情绪语义网络理论 376

12.3.2 贝克的图式理论 377

12.3.3 威廉斯的情绪加工理论 378

12.4 情感智能 378

12.5 情感计算 379

12.6 情感与认知 384

12.6.1 情感优先假说 384

12.6.2 认知评价观点 384

12.6.3 图式命题联想和类比表征系统 385

12.7 情绪的脑机制 385

第13章 意识 388

13.1 概述 388

13.2 意识的基本要素和特性 390

13.3 心理学的意识观 393

13.4 意识的剧场模型 394

13.5 意识的还原论理论 397

13.6 神经元群组选择理论 399

13.7 意识的量子理论 401

13.8 综合信息理论 403

13.9 显意识思维与潜意识思维 404

13.10 机器意识系统 408

13.11 注意 410

13.11.1 注意的功能 410

13.11.2 选择性注意 412

13.11.3 注意分配 416

13.11.4 注意系统 417

第14章 认知结构 418

14.1 概述 418

14.2 谓词演算 419

14.3 动态描述逻辑 424

14.3.1 描述逻辑 424

14.3.2 动态描述逻辑DDL 426

14.4 归纳逻辑 427

14.4.1 经验主义概率归纳逻辑 429

14.4.2 概率逻辑理论 430

14.4.3 主观贝叶斯概率 430

14.4.4 条件化归纳逻辑 431

14.4.5 非帕斯卡概率归纳逻辑 432

14.5 范畴论 433

14.6 Topos 436

14.6.1 Topos的定义 436

14.6.2 Topos之间的态射 436

14.6.3 Sheaf理论 437

14.6.4 Topos的内逻辑 438

14.6.5 公理和推理 440

14.7 心理逻辑 441

14.7.1 组合系统 441

14.7.2 INRC四元群结构 442

14.7.3 态射—范畴论 443

14.8 认知动力学 444

第15章 智能机器人 445

15.1 概述 445

15.2 智能机器人的体系结构 447

15.3 机器人视觉系统 452

15.3.1 视觉系统分类 452

15.3.2 定位技术 454

15.3.3 自主视觉导航 454

15.3.4 视觉伺服系统 455

15.4 机器人路径规划 456

15.4.1 全局路径规划 456

15.4.2 局部路径规划 457

15.5 细胞自动机 458

15.6 认知机模型 461

15.7 情感机器人 463

15.8 发育机器人 465

15.9 智能机器人发展趋势 468

第16章 类脑智能 471

16.1 概述 471

16.2 大数据智能 472

16.3 认知计算 473

16.4 欧盟人脑计划 474

16.5 美国脑计划 478

16.6 脑模拟系统SPAUN 480

16.7 神经形态芯片 482

16.7.1 神经形态芯片简史 483

16.7.2 IBM的TrueNorth神经形态系统 484

16.7.3 英国SpiNNaker 485

16.7.4 寒武纪神经网络处理器 487

16.8 脑机融合 488

16.8.1 脑机接口 488

16.8.2 脑机融合的认知模型 489

16.8.3 脑机融合的环境感知 490

16.8.4 脑机融合的自动推理 491

16.8.5 脑机融合的协同决策 491

16.9 智能科学发展路线图 492

16.9.1 初级类脑智能 492

16.9.2 高级类脑智能 492

16.9.3 超脑智能 493

参考文献 496