新書推薦：
《
大国人口
》
售價：NT$
411.0
《
何以中国·君臣：宋代士大夫政治下的权力场
》
售價：NT$
510.0
《
文明的故事（全11卷-2024版）
》
售價：NT$
11898.0
《
中国汽车综合测评技术研究报告 （2024）
》
售價：NT$
1040.0
《
万有引力书系：金马 巴拿马铁路悲歌
》
售價：NT$
510.0
《
人文与社会译丛：休谟的人生智慧
》
售價：NT$
354.0
《
高效时间管理：巧妙且明智地利用时间
》
售價：NT$
302.0
《
完美咨询 原书第4版
》
售價：NT$
390.0
|
| 內容簡介： |
|
本书借鉴人类视网膜、视皮层的信息处理机制及视觉心理认知组织准则，构建具有人类某些视觉功能特性的计算模型或方法，以机器视觉感知的自然环境信息自然图像为处理对象，实现自然图像的显著性处理与自然环境的典型目标识别，为机器人自动导航提供视觉环境感知和信息选择性传输机制的可计算方法。基于视觉认知的自然图像目标识别属于神经生理学、认知心理学、生物物理学、计算机信息学以及自动化等众多学科交叉形成的新兴研究课题。作为交叉领域里的一项基础性研究工作，本书在研究方法与思路上有所突破，可供相关研究人员参考。
|
| 關於作者： |
|
李作进，重庆大学控制理论与控制工程博士学位，新西兰Unitec国立理工学院计算机系博士后，重庆科技学院电气与信息工程学院副教授。主要从事智能认知计算、图像处理、汽车主动安全、水质在线分析等方向的研究。主持或承担了国家自然基金1项、省部级科研基金5项、校内人才基金4项、横向课题10余项。
|
| 目錄：
|
目 录
1 绪 论 1
1.1 引 言 1
1.2 国内外相关领域的研究现状 2
2 视觉感知与认知组织的生物学依据 18
2.1 引 言 18
2.2 人类视觉感知与认知机理的相关依据 19
2.3 人类视觉的启发原则 37
2.4 本章小结 38
3 基于高斯金字塔结构的视网膜感知计算方法 39
3.1 引 言 39
3.2 相关研究工作 41
3.3 算法过程与描述 44
3.4 算法的实验结果与应用研究 48
3.5 结论与讨论 55
3.6 本章小结 56
4 受V1功能特性启发的目标轮廓特征提取计算模型 57
4.1 引 言 57
4.2 基于gabor核的积分变换 59
4.3 具有V1功能特性的目标轮廓提取模型与方法 62
4.4 复杂环境下自然图像的目标轮廓提取 66
4.5 结论与讨论 77
4.6 本章小结 78
5 受视觉what通路信息处理机制启发的目标识别计算模型
79
5.1 引 言 79
5.2 视皮层信息处理机制与启发计算模型 81
5.3 算法验证与结果 87
5.4 结论与讨论 95
5.5 本章小结 96
6 一种有监督的流形认知目标识别方法 97
6.1 引 言 97
6.2 流形的数学定义与图像流形认知启发 99
6.3 局部线性嵌入（LLE）算法的思想与主要步骤 101
6.4 有监督的LLE算法（SLLE） 103
6.5 实验与结果 105
6.6 结论与讨论 109
6.7 本章小结 110
7 一种基于独立成分特征的自主发育认知目标识别方法 111
7.1 引 言 111
7.2 自然图像的特征提取方法 113
7.3 基于独立成分特征的发育认知图像识别方法 114
7.4 算法验证与结果 120
7.5 结论与讨论 125
7.6 本章小结 126
参考文献 127
附 录 146
后 记 167
|
| 內容試閱：
|
1.2.3 自然智能与人工智能
自然智能是特指类似于人类的智能总称。人类的科学事业正面临着四大问题的挑战，分别是物质的本质、宇宙的起源、生命的本质和智力的产生[1]。自然智能反映了人类智力支撑其行为或思维的能力，因此，智能科学所研究的主要内容就是前面四个问题中的最后一个，也可能是最困难、最重要的问题智力是如何产生的以及智力能做什么？2004年，霍金斯（J. Hawkins）发表《论智能》（On Intelligence）一书[40]，他从区分智能和智能行为相互关联之处入手，对著名的图灵测试进行了解释。在这本书里面，霍金斯详细分析了许多有关智能的实验案例，但都没有对智能给出一个准确的定义。只是从大量的实验中发现，智能是行为主体、指令以及环境结合的共同反映。但可以肯定的是，自然智能研究的根本目的是全面认知人类神秘的大脑，是由脑科学、认知科学、人工智能等学科构成的交叉学科。
人工智能（Artificial Intelligence）的起源可以追溯到丘奇（Church）、图灵（Turing）和其他一些学者关于计算本质的思想萌芽。早在20世纪30年代，他们就开始探索形式推理概念与即将发明的计算机之间的联系，并建立起了关于计算和符号处理的理论。被称为人工智能之父的图灵，不仅创造了一个简单的非数字计算模型，而且直接证明了计算机可能以某种被认为是智能的方式进行工作，这就是人工智能思想的萌芽。而人工智能作为一门学科出现的突出标志是 1956 年夏，当时美国年轻的数学家麦卡锡（John McCarthy）在美国达特莫斯（Dartmouth）大学举办的一次学术会议，提出了人工智能（Artificial Intelligence，AI）这一概念，并将其定义为使一部机器的反应方式就像是一个人在行为时所依据的智能。经过几十年的发展，人工智能领域涌现出许多热门的研究方向，如知识表示、自动推理与搜索方法、机器学习和知识获取、知识处理、自然语言理解、机器视觉、智能机器人等；并在博弈、自动推理与证明、专家系统、自然语言理解与语意建模、人类行为建模、机器人与智能控制、模式识别、智能调度、数据挖掘等诸多领域取得了广泛的应用。目前，人工智能的研究方法主要分为符号主义（Symbolocism）、联结主义（Connectionism）和行为主义（Behaviorism）三大学派。
1．符号主义
符号主义（Symbolocism）也称为逻辑主义（Logicism）、心理学派（Psychologism）或计算机学派（Computerism）。该学派认为人工智能来源于数理逻辑，而数理逻辑又在19世纪获得了迅速发展，到了20世纪30年代开始用于描述智能行为。事实上，Artificial Intelligence一词最初也是由符号主义学派的研究者提出来的。符号主义学派的学者认为智能行为的基本原理主要为物理符号系统假设和有限合理性原理。Newell和Simon曾对这种研究方法的基本假设做过非常全面的总结[41-43]。从20世纪70年代末到80年代，符号主义的研究方法得到了普遍的认可。经过几十年的发展，符号主义学派为人工智能学科建立了以世界符号表达和状态空间搜索为主要研究内容的一套比较完整的系统，先后提出了启发式算法、专家系统、知识工程理论等人工智能领域的重要成果。计算机诞生以后，符号主义学者又在计算机上实现了逻辑演绎系统，其代表性成果为启发式程序LT（逻辑理论家），人们使用它证明了 38 条数学定理，从而表明了人类可利用计算机模拟人类的智能活动。
符号主义的基本信念是：知识是信息的一种形式，是构成智能的基础，人工智能的核心问题就是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理。符号主义就是在这种假设之下，建立起基于知识的人类智能和机器智能的核心理论体系。
符号主义曾长期一枝独秀，经历了从启发式算法到专家系统，再到知识工程理论与技术的发展道路，为人工智能做出了重要贡献。但是随着人工智能的研究深入，越来越多的人开始质疑符号主义中基于数学的语意表达方法，认为这种方法过于理性化，即用一个完全清晰和确定的世界取代了具有模糊性、不确定性和主体灵活性演化的真实世界。除此之外，要用基于符号主义的专家系统等智能系统对世界进行完整的体系构建，表现出了计算量消耗巨大、缺乏学习能力等缺点。目前，越来越多的研究者考虑寻找其他的人工智能方法。尽管如此，符号主义仍然是人工智能学科中最重要的研究方法之一。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
