新書推薦：
《
没有伞的孩子必须努力奔跑
》
售價：NT$
149.0
《
做最好的班主任（李镇西教育文集版）
》
售價：NT$
230.0
《
数据驱动法律
》
售價：NT$
390.0
《
对话世界一流大学图书馆馆长
》
售價：NT$
995.0
《
揭秘立体翻翻书--我们的国宝
》
售價：NT$
490.0
《
清代贡院史
》
售價：NT$
800.0
《
光焰摇曳——变革与守望的梁启超
》
售價：NT$
440.0
《
发展与制约：明清江南生产力研究（壹卷李伯重文集：江南水乡，经济兴衰，一本书带你穿越历史的迷雾）
》
售價：NT$
480.0
|
| 編輯推薦： |
|
本书系统地介绍了智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、数理逻辑、社会思维学、系统理论、科学方法论、哲学等方面的研究成果，综合地探索人类智能和机器智能的性质和规律。智能科学研究智能的本质和实现技术, 由脑科学、认知科学、人工智能等共同研究形成的交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质。
|
| 內容簡介： |
智能科学研究智能的本质和实现技术,是由脑科学、认知科学、人工智能等创建的前沿交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质； 认知科学是研究人类感知、学习、记忆、思维、意识等人脑与心智活动过程的科学； 人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真,而且要从机理上研究和探索智能的新概念、新理论、新方法。
本书系统地介绍智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果，探索自然智能和机器智能的机理与规律。
本书可作为大学高年级本科生和研究生的智能科学认知科学神经信息学等课程的教科书，也可作为从事智能科学、人工智能、认知科学、脑科学、神经科学、心理学等领域的研究人员的参考书。
|
| 關於作者： |
|
中国科学院计算技术研究所研究员， 中国计算机学会会士，中国人工智能学会会士，IEEE高级会员，IFIP TC12 智能主体工作组主席。博士生指导教师。1968年毕业于中国科学院研究生院。长期从事计算机、智能科学的研究。 1979年获中国科学院科技进步二等奖。1994年获中国科学院科技进步特等奖。1998年获中国科学院科技进步二等奖。2001年获中国科学院科技进步二等奖。2002年获国家科技进步二等奖。发表著作14部和学术论文450多篇。现兼任国际信息处理联合会IFIP人工智能技术委员会TC12委员、太平洋地区人工智能指导委员会常务理事、曾担任中国人工智能学会副理事长、中国计算机学会秘书长。曾多次担任国际学术会议程序委员会主席或委员。
|
| 目錄：
|
目录
第1章绪论
1.1智能革命
1.2智能科学的兴起
1.3脑科学
1.4认知科学
1.5人工智能
1.6智能科学的研究内容
1.7展望
第2章神经生理基础
2.1脑系统
2.2神经组织
2.2.1神经元的基本组成
2.2.2神经元的分类
2.2.3神经胶质细胞
2.3突触传递
2.3.1化学性突触
2.3.2电突触
2.3.3突触传递的机制
2.4神经递质
2.4.1乙酰胆碱
2.4.2儿茶酚胺类
2.4.35羟色胺
2.4.4氨基酸和寡肽
2.4.5一氧化氮
2.4.6受体
2.5信号跨膜转导
2.5.1转导蛋白
2.5.2第二信使
2.6静息膜电位
2.7动作电位
2.8离子通道
2.9脑电信号
2.9.1脑电信号分类
2.9.2脑电信号分析
2.10神经系统
2.10.1中枢神经系统
2.10.2周围神经系统
2.11大脑皮质
第3章神经计算
3.1概述
3.2神经元模型
3.3反传学习算法
3.3.1反传算法的原理
3.3.2反传算法的数学表达
3.3.3反传算法的执行步骤
3.3.4对反传网络优缺点的讨论
3.4Hopfield模型
3.4.1离散Hopfield网络
3.4.2连续Hopfield网络
3.5自适应共振理论ART模型
3.5.1ART模型的结构
3.5.2ART的基本工作原理
3.5.3ART模型的数学描述
3.6神经网络集成
3.6.1结论生成方法
3.6.2个体生成方法
3.7脉冲耦合神经网络
3.7.1Eckhorn模型
3.7.2脉冲耦合神经网络模型
3.7.3贝叶斯连接域神经网络模型
3.8神经场模型
3.8.1神经场表示
3.8.2神经场学习理论
3.9超限学习机
3.10功能柱神经网络模型
3.10.1模型与方法
3.10.2单功能柱模型的模拟结果
3.11神经元集群的编码和解码
3.11.1概述
3.11.2熵编码理论
3.11.3贝叶斯集群编码
3.11.4贝叶斯集群解码
第4章心智模型
4.1心智建模
4.2图灵机
4.3物理符号系统
4.4ACT模型
4.5SOAR模型
4.6心智社会
4.7LIDA
4.8CAM心智模型
4.9PMJ心智模型
4.10动力系统理论
4.11大脑协同学
第5章视觉感知
5.1视觉的生理机制
5.1.1视网膜
5.1.2光感受器
5.1.3外膝体
5.1.4视皮层
5.1.5感受野
5.1.6功能柱
5.1.7颜色视觉
5.1.8知觉恒常性
5.2视觉理论
5.2.1建构理论
5.2.2直接知觉
5.2.3格式塔理论
5.3视觉有效编码
5.4马尔的视觉计算理论
5.5拓扑视觉理论
5.6视觉的正则化理论
5.7基于模型的视觉理论
5.8计算机视觉
5.8.1图像分割
5.8.2图像理解
5.8.3主动视觉
5.8.4立体视觉
5.8.5利用启发式知识的方法
5.9同步化响应
5.9.1概述
5.9.2神经生物学实验
5.9.3时间编码
5.9.4视皮层的神经元振荡模型
5.9.5视觉系统中的表象与尺度变换
5.9.6神经网络中的非线性动力学问题
第6章听觉感知
6.1听觉通路
6.2听觉信息的中枢处理
6.2.1频率分析机理
6.2.2强度分析机理
6.2.3声源定位和双耳听觉
6.2.4对复杂声的分析
6.3语音编码
6.4韵律认知
6.4.1韵律特征
6.4.2韵律建模
6.4.3韵律标注
6.4.4韵律生成
6.4.5韵律生成的认知神经科学机制
6.5语音识别
6.5.1语音识别概况
6.5.2语音识别系统结构
6.5.3基于深度神经网络的语音识别系统
6.6语音合成
6.6.1语音合成概况
6.6.2文字到语音合成系统
6.6.3概念语音转换系统
6.7听觉场景分析
6.7.1初级分析
6.7.2以图式为基础的知觉组织
6.7.3初级分析与图式加工之间的关系
6.7.4场景分析的总体评价
6.8言语行为
第7章语言
7．1引言
7．2语言认知
7．3乔姆斯基的形式文法
7．3．1短语结构文法
7．3．2上下文有关文法
7．3．3上下文无关文法
7．3．4正则文法
7．4扩充转移网络
7．5格文法
7．6概念依存理论
7．7语言理解
7．7．1概述
7．7．2基于规则的分析方法
7．7．3基于语料的统计模型
7．7．4机器学习方法
7．8脑语言功能区
7．8．1经典语言功能区
7．8．2语义相关功能区
7．8．3音韵相关功能区
7．8．4拼字相关功能区
7．8．5双语者脑语言功能区
第8章学习
8．1概述
8．2行为学习理论
8．2．1条件反射学习理论
8．2．2行为主义的学习理论
8．2．3联结学习理论
8．2．4操作学习理论
8．2．5相近学习理论
8．2．6需要消减理论
8．3认知学习理论
8．3．1格式塔学派的学习理论
8．3．2认知目的理论
8．3．3认知发现理论
8．3．4认知同化理论
8．3．5信息加工学习理论
8．3．6建构主义的学习理论
8．4人本学习理论
8．5观察学习理论
8．6内省学习
8．6．1内省学习一般模型
8．6．2内省学习的元推理
8．6．3失败分类
8．6．4内省过程中的基于案例推理
8．7强化学习
8．7．1强化学习模型
8．7．2Q学习
8．7．3部分感知强化学习
8．8深度学习
8．8．1概述
8．8．2深度信念网络
8．8．3卷积神经网络
8．9学习计算理论
8．9．1哥尔德学习理论
8．9．2模型推理系统
8．9．3大概近似正确学习理论
第9章记忆
9．1概述
9．2记忆系统
9．2．1感觉记忆
9．2．2短时记忆
9．2．3长时记忆
9．3长时记忆
9．3．1长时记忆的类型
9．3．2长时记忆的模型
9．3．3长时记忆的信息提取
9．4工作记忆
9．4．1工作记忆模型
9．4．2工作记忆和推理
9．4．3工作记忆的神经机制
9．5遗忘理论
9．6内隐记忆
9．7动态记忆理论
9．8记忆预测理论
9．8．1恒定表征
9．8．2大脑皮层区的结构
9．8．3大脑皮层区如何工作
9．9互补学习记忆
9．9．1海马体
9．9．2互补学习系统
第10章思维
10．1概述
10．2思维的形态
10．2．1抽象思维
10．2．2形象思维
10．2．3灵感思维
10．3精神活动层级
10．4推理
10．4．1演绎推理
10．4．2归纳推理
10．4．3反绎推理
10．4．4类比推理
10．4．5非单调推理
10．4．6常识性推理
10．5问题求解
10．5．1问题空间
10．5．2产生式系统
10．5．3启发式搜索
10．5．4手段目的分析法
10．5．5解决问题的策略
10．6决策理论
10．6．1决策效用理论
10．6．2满意原则
10．6．3逐步消元法
10．6．4贝叶斯决策方法
10．7智能决策支持系统
10．7．1智能决策支持系统
10．7．2综合集成研讨厅
第11章智力发展
11．1引言
11．2智力理论
11．2．1智力的因素论
11．2．2多元智力理论
11．2．3智力结构论
11．3智力的测量
11．4皮亚杰认知发展理论
11．4．1图式
11．4．2儿童智力发展阶段
11．4．3新皮亚杰主义
11．5智力发展的影响因素
11．5．1成熟因素
11．5．2经验因素
11．5．3社会环境因素
11．5．4平衡化因素
11．6智力发展的人工系统
第12章情绪与情感
12．1概述
12．1．1情绪的构成要素
12．1．2情绪的基本形式
12．1．3情绪状态
12．1．4情绪的功能
12．2情绪理论
12．2．1詹姆斯兰格情绪学说
12．2．2情绪评估兴奋学说
12．2．3情绪三因素说
12．2．4基本情绪论
12．2．5维度论
12．2．6非线性动态策略
12．3情绪加工
12．3．1情绪语义网络理论
12．3．2贝克的图式理论
12．3．3威廉斯的情绪加工理论
12．4情感智能
12．5情感计算
12．6情感与认知
12．6．1情感优先假说
12．6．2认知评价观点
12．6．3图式命题联想和类比表征系统
12．7情绪的脑机制
第13章意识
13．1概述
13．2意识的基本要素和特性
13．3心理学的意识观
13．4意识的剧场模型
13．5意识的还原论理论
13．6神经元群组选择理论
13．7意识的量子理论
13．8综合信息理论
13．9显意识思维与潜意识思维
13．10机器意识系统
13．11注意
13．11．1注意的功能
13．11．2选择性注意
13．11．3注意分配
13．11．4注意系统
第14章认知结构
14．1概述
14．2谓词演算
14．3动态描述逻辑
14．3．1描述逻辑
14．3．2动态描述逻辑DDL
14．4归纳逻辑
14．4．1经验主义概率归纳逻辑
14．4．2概率逻辑理论
14．4．3主观贝叶斯概率
14．4．4条件化归纳逻辑
14．4．5非帕斯卡概率归纳逻辑
14．5范畴论
14．6Topos
14．6．1Topos的定义
14．6．2Topos之间的态射
14．6．3Sheaf理论
14．6．4Topos的内逻辑
14．6．5公理和推理
14．7心理逻辑
14．7．1组合系统
14．7．2INRC四元群结构
14．7．3态射范畴论
14．8认知动力学
第15章智能机器人
15．1概述
15．2智能机器人的体系结构
15．3机器人视觉系统
15．3．1视觉系统分类
15．3．2定位技术
15．3．3自主视觉导航
15．3．4视觉伺服系统
15．4机器人路径规划
15．4．1全局路径规划
15．4．2局部路径规划
15．5细胞自动机
15．6认知机模型
15．7情感机器人
15．8发育机器人
15．9智能机器人发展趋势
第16章类脑智能
16.1概述
16.2大数据智能
16.3认知计算
16.4欧盟人脑计划
16.5美国脑计划
16.6脑模拟系统SPAUN
16.7神经形态芯片
16.7.1神经形态芯片简史
16.7.2IBM的TrueNorth神经形态系统
16.7.3英国SpiNNaker
16.7.4寒武纪神经网络处理器
16.8脑机融合
16.8.1脑机接口
16.8.2脑机融合的认知模型
16.8.3脑机融合的环境感知
16.8.4脑机融合的自动推理
16.8.5脑机融合的协同决策
16.9智能科学发展路线图
16.9.1初级类脑智能
16.9.2高级类脑智能
16.9.3超脑智能
参考文献
|
| 內容試閱：
|
前言
智能科学研究智能的本质和实现技术,是由脑科学、认知科学、人工智能等创建的前沿交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质； 认知科学是研究人类感知、学习、记忆、思维、意识等人脑与心智活动过程的科学； 人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真,而且要从机理上研究和探索智能的新概念、新理论、新方法。智能的研究不仅要运用推理,自顶向下,而且要通过学习,由底向上,两者并存。智能科学运用综合集成的方法，对开放系统的智能性质和行为进行研究。
智能科学是生命科学的精华、信息科学技术的核心，现代科学技术的前沿和制高点，涉及自然科学的深层奥秘，触及哲学的基本命题。因此，在智能科学上一旦取得突破，将对国民经济、社会进步、国家安全产生深刻而巨大的影响。目前，智能科学正处在方法论的转变期、理论创新的高潮期和大规模应用的开创期，充满原创性机遇。
智能科学的兴起和发展标志着对以人类为中心的认知和智能活动的研究已进入到新的阶段。智能科学的研究将使人类自我了解和自我控制，把人的知识和智能提高到空前未有的高度。生命现象错综复杂，许多问题还没有得到很好的说明，而能从中学习的内容也是大量的、多方面的。如何从中提炼出最重要的、关键性的问题和相应的技术，这是许多科学家长期以来追求的目标。要解决人类在21世纪所面临的许多困难，诸如能源的大量需求、环境的污染、资源的耗竭、人口的膨胀等,单靠现有的科学成就是很不够的。必须向生物学习，寻找新的科技发展的道路。智能科学的研究将为智能革命、知识革命和信息革命建立理论基础，为智能系统的研制提供新概念、新思想、新途径。
进入21世纪以来，国际上对智能科学及其相关学科，诸如脑科学、神经科学、认知科学、人工智能的研究高度重视。2013年1月28日，欧盟启动了旗舰人类大脑计划（human brain project）。2013年4月2日，美国启动BRAIN计划。我国也在积极筹备脑科学与类脑研究计划。为了争夺高科技的制高点，国务院于2017年7月8日正式发布《新一代人工智能发展规划》，力图在新一轮国际科技竞争中掌握主导权。
本书系统地介绍智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果，综合地探索人类智能和机器智能的性质和规律。2006年出版第1版、2013年出版第2版以来，国内外在该领域的研究取得了极大进展，我们也取得了不少成果。为了反映智能科学的最新研究成果和发展方向，对原书第2版作了全面修改，特别增加了认知结构、类脑智能等内容。全书共分16章。第1章是绪论，介绍智能科学兴起的科学背景和研究内容。第2章介绍智能科学的生理基础。第3章讨论神经计算的进展。第4章探讨重要的心智模型。第5章论述视觉感知理论。第6章讨论听觉信息处理； 语言的发展对人类大脑的进化发生重大影响。第7章讨论语言认知的理论。第8章重点论述重要的学习理论和方法； 记忆是思维的基础。第9章探讨记忆机制。第10章重点讨论思维形式和类型。第11章研究智力的发展。第12章讨论情绪和情感的有关理论。第13章初步探讨意识问题； 认知结构是智能科学的重要理论基础。第14章讨论认知结构。第15章介绍智能机器人研究的进展。第16章介绍大数据智能和认知计算，概述国际上重大的类脑智能计划的研究进展和基本原理，展望智能科学发展路线图。
在本书撰写过程中，作者与美国麻省理工学院（MIT）明斯基（Marvin Minsky）教授、加利福尼亚大学伯克利分校扎德（Lotfi A. Zadeh）教授、斯坦福大学心智与脑计算中心麦克伦特（J.L.McClelland）教授、华盛顿大学圣路易斯分校范埃森（David Van Essen）教授、南加州大学罗森勃卢姆（P.S.Rosenbloom）教授、密歇根大学莱尔德（J.E.Laird）教授、卡内基梅隆大学米切尔（T.M.Mitchell）教授、西北大学福伯斯（K.D.Forbus）教授、密歇根州立大学翁巨扬（J.Weng）教授、加拿大滑铁卢大学伊莱亚史密斯（C.Eliasmith）教授、德国海德堡大学迈耶（K.Meier）教授、德累斯顿工业大学巴德尔（F.Baader）教授等的讨论和交流，对本书学术思想的确立和发展发挥了重要作用，在此谨向上述学者表示衷心的感谢。
本书研究工作得到国家重点基础研究发展计划课题脑机协同的认知计算模型（No.2013CB329502）、非结构化信息图像的内容理解与语义表征（No.2007CB311004）； 自然科学基金重点项目基于云计算的海量数据挖掘（No.61035003）、基于感知学习和语言认知的智能计算模型研究（No.60435010）、Web搜索与挖掘的新理论与方法（No.60933004）等的支持； 国家863高技术项目海量Web数据内容管理、分析挖掘技术与大型示范应用No.2012AA011003软件自治愈与自恢复技术（No.2007AA01Z132）等项目的支持； 清华大学出版社对本书的出版给予了大力支持，在此一并致谢。
本书可作为大学高年级和研究生的智能科学认知科学认知信息学人工智能等课程的教科书，对从事智能科学、脑科学、认知科学、人工智能、神经科学、心理学、哲学等领域的研究人员也具有重要的参考价值。
智能科学是处于研究发展中的前沿交叉学科，许多概念和理论尚待探讨，加之作者水平有限，撰写时间仓促，因此书中难免存在错误或不妥之处，恳请读者指正。
史忠植
2018年1月于北京
|
|
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
