書馨卡幫你省薪 2024個(gè)人購(gòu)書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

智能計(jì)算

出版社：科學(xué)出版社出版時(shí)間：2022-09-01
開本： B5 頁(yè)數(shù)： 296
中 圖 價(jià):¥92.4(5.5折) 定價(jià)  ¥168.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

智能計(jì)算 版權(quán)信息

智能計(jì)算 內(nèi)容簡(jiǎn)介

本書主要介紹了智能計(jì)算技術(shù)相關(guān)的理論方法與關(guān)鍵技術(shù)，并對(duì)典型的應(yīng)用領(lǐng)域與平臺(tái)也進(jìn)行了相關(guān)介紹和討論。全書共10章，簡(jiǎn)要介紹智能的起源、智能與計(jì)算等研究背景及意義，詳細(xì)介紹了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等模型與算法及其應(yīng)用，著重介紹了圖神經(jīng)網(wǎng)絡(luò)模型、網(wǎng)學(xué)習(xí)模型、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索和大數(shù)據(jù)資源服務(wù)等技術(shù)，并面向智能交通和網(wǎng)絡(luò)交易支付等領(lǐng)域和場(chǎng)景詳細(xì)介紹了智能技術(shù)相關(guān)的應(yīng)用。

智能計(jì)算 目錄

目錄
作者簡(jiǎn)介
前言
第1章 智能源于人、拓于工 1
1.1 引言 1
1.2 智能的定義與歷史演進(jìn) 1
1.2.1 智能的定義 1
1.2.2 智能的歷史演進(jìn) 2
1.3 智能的驅(qū)動(dòng)與發(fā)展關(guān)系 6
1.4 人工智能的現(xiàn)狀與趨勢(shì) 9
1.4.1 人工智能的現(xiàn)狀 9
1.4.2 人工智能發(fā)展趨勢(shì) 10
1.5 小結(jié) 11
參考文獻(xiàn) 12
第2章 智能與計(jì)算 15
2.1 引言 15
2.2 計(jì)算理論基礎(chǔ) 15
2.3 計(jì)算裝置的結(jié)構(gòu) 16
2.4 計(jì)算機(jī)系統(tǒng)與技術(shù) 18
2.4.1 大數(shù)據(jù) 18
2.4.2 物聯(lián)網(wǎng) 21
2.4.3 云計(jì)算 22
2.4.4 實(shí)時(shí)并發(fā) 23
2.4.5 應(yīng)變適配 24
2.5 計(jì)算機(jī)軟件算法和應(yīng)用場(chǎng)景 25
2.6 智能發(fā)展的思考 26
2.7 小結(jié) 27
參考文獻(xiàn) 27
第3章 機(jī)器學(xué)習(xí) 31
3.1 引言 31
3.2 機(jī)器學(xué)習(xí)的發(fā)展 32
3.3 機(jī)器學(xué)習(xí)的模型 33
3.4 概率模型與推薦算法的組合研究 39
3.4.1 主要思想 39
3.4.2 系統(tǒng)模型 40
3.4.3 實(shí)驗(yàn)與分析 42
3.5 基于圖排序算法的自動(dòng)文摘方法研究 43
3.5.1 雙層相關(guān)性度量模型 44
3.5.2 基于圖模型的自動(dòng)文摘 47
3.5.3 實(shí)驗(yàn)與分析 50
3.6 基于數(shù)據(jù)權(quán)重調(diào)整的欺詐辨識(shí)方法研究 51
3.6.1 分布距離計(jì)算 52
3.6.2 ITrAdaboost主要思想 56
3.6.3 基于ITrAdaboost的交易欺詐辨識(shí) 59
3.6.4 實(shí)驗(yàn)與分析 60
3.7 小結(jié) 65
參考文獻(xiàn) 65
第4章 深度學(xué)習(xí) 69
4.1 引言 69
4.2 深度學(xué)習(xí)的表示能力 69
4.3 深度學(xué)習(xí)模型 70
4.3.1 卷積神經(jīng)網(wǎng)絡(luò) 70
4.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 73
4.3.3 生成對(duì)抗網(wǎng)絡(luò) 74
4.3.4 注意力機(jī)制 75
4.4 基于全中心損失函數(shù)的交易數(shù)據(jù)去噪方法 79
4.4.1 重疊去噪方法框架結(jié)構(gòu) 79
4.4.2 全中心損失函數(shù) 82
4.4.3 實(shí)驗(yàn)與分析 86
4.5 基于高斯函數(shù)的對(duì)比損失研究 93
4.5.1 Softmax損失函數(shù)的缺陷 94
4.5.2 基于高斯函數(shù)的對(duì)比損失算法 97
4.5.3 損失函數(shù)可導(dǎo)性分析 99
4.6 真值引導(dǎo)下的自注意力SeqGAN模型 101
4.6.1 基于真值引導(dǎo)的生成器 101
4.6.2 基于自注意力的判別器 105
4.6.3 實(shí)驗(yàn)與分析 106
4.7 小結(jié) 108
參考文獻(xiàn) 109
第5章 圖神經(jīng)網(wǎng)絡(luò)模型 112
5.1 引言 112
5.2 圖的相關(guān)定義 113
5.3 圖卷積神經(jīng)網(wǎng)絡(luò) 114
5.4 鄰域擴(kuò)張動(dòng)態(tài)圖神經(jīng)網(wǎng)絡(luò) 115
5.4.1 動(dòng)態(tài)圖 115
5.4.2 鄰域擴(kuò)張動(dòng)態(tài)圖神經(jīng)網(wǎng)絡(luò) 117
5.4.3 實(shí)驗(yàn)與分析 122
5.5 基于異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的文摘方法 126
5.5.1 自動(dòng)文本摘要 126
5.5.2 文本圖定義 127
5.5.3 MHGS模型 127
5.5.4 實(shí)驗(yàn)與分析 131
5.6 小結(jié) 134
參考文獻(xiàn) 135
第6章 網(wǎng)學(xué)習(xí)模型 139
6.1 引言 139
6.2 Petri網(wǎng) 140
6.3 網(wǎng)學(xué)習(xí)模型 143
6.3.1 網(wǎng)學(xué)習(xí)框架 143
6.3.2 隨機(jī)Petri網(wǎng)的網(wǎng)學(xué)習(xí)算法 145
6.4 隨機(jī)Petri網(wǎng)數(shù)據(jù)集 148
6.4.1 隨機(jī)Petri網(wǎng)數(shù)據(jù)集生成 148
6.4.2 數(shù)據(jù)的組織方式 154
6.5 實(shí)驗(yàn)與分析 157
6.5.1 隨機(jī)Petri網(wǎng)數(shù)據(jù)集實(shí)驗(yàn)分析 158
6.5.2 網(wǎng)學(xué)習(xí)算法實(shí)驗(yàn)分析 160
6.6 小結(jié) 163
參考文獻(xiàn) 164
第7章 神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索 167
7.1 引言 167
7.2 神經(jīng)進(jìn)化與進(jìn)化計(jì)算 168
7.3 基于神經(jīng)進(jìn)化的深度學(xué)習(xí)模型 170
7.3.1 卷積神經(jīng)網(wǎng)絡(luò) 170
7.3.2 生成式對(duì)抗網(wǎng)絡(luò) 174
7.4 進(jìn)化式生成對(duì)抗網(wǎng)絡(luò) 177
7.4.1 進(jìn)化算子設(shè)計(jì) 178
7.4.2 EG-GAN模型 180
7.4.3 EG-GAN的可視化分析 184
7.4.4 圖像修復(fù)應(yīng)用 187
7.5 小結(jié) 194
參考文獻(xiàn) 195
第8章 大數(shù)據(jù)資源服務(wù)技術(shù) 199
8.1 引言 199
8.2 大型數(shù)據(jù)資源服務(wù)架構(gòu) 200
8.3 數(shù)據(jù)資源識(shí)別和獲取 202
8.3.1 爬蟲限制和引導(dǎo)協(xié)議 203
8.3.2 分布式爬蟲任務(wù)調(diào)度策略 206
8.4 網(wǎng)絡(luò)大數(shù)據(jù)索引網(wǎng)絡(luò)體系 214
8.4.1 資源索引網(wǎng)絡(luò)模型 214
8.4.2 索引網(wǎng)絡(luò)代數(shù) 221
8.5 小結(jié) 223
參考文獻(xiàn) 224
第9章 智能交通 227
9.1 引言 227
9.2 智能交通系統(tǒng) 227
9.3 多源交通數(shù)據(jù)集成與融合 229
9.3.1 多源交通數(shù)據(jù)的獲取與預(yù)處理 229
9.3.2 分布式異構(gòu)數(shù)據(jù)融合 230
9.4 動(dòng)態(tài)路況建模與預(yù)測(cè) 231
9.4.1 基于主曲線方法的路況建模 233
9.4.2 基于非線性時(shí)間序列路況預(yù)測(cè) 235
9.5 動(dòng)態(tài)網(wǎng)絡(luò)*優(yōu)出行 241
9.5.1 動(dòng)態(tài)*短路算法 243
9.5.2 動(dòng)態(tài)*短路的啟發(fā)式算法 244
9.6 小結(jié) 247
參考文獻(xiàn) 247
第10章 智能交易 251
10.1 引言 251
10.2 智能網(wǎng)絡(luò)交易風(fēng)險(xiǎn)與應(yīng)對(duì)措施 252
10.2.1 網(wǎng)絡(luò)交易風(fēng)險(xiǎn) 252
10.2.2 風(fēng)險(xiǎn)應(yīng)對(duì)措施 255
10.3 用戶行為的風(fēng)險(xiǎn)防控 257
10.3.1 基于行為的身份認(rèn)證技術(shù) 258
10.3.2 用戶行為證書方法 265
10.4 交易系統(tǒng)的在線監(jiān)控 269
10.4.1 監(jiān)控系統(tǒng)的組成架構(gòu) 269
10.4.2 系統(tǒng)優(yōu)化管理 270
10.4.3 系統(tǒng)在線監(jiān)控 270
10.5 小結(jié) 277
參考文獻(xiàn) 277
彩圖
展開全部

智能計(jì)算 節(jié)選

第1章 智能源于人、拓于工 1.1 引言 隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算和深度學(xué)習(xí)等新一代信息技術(shù)的飛速發(fā)展，目前，人工智能(Artificial Intelligence，AI)領(lǐng)域的研究和應(yīng)用已經(jīng)取得重要的進(jìn)展。 AI是與計(jì)算機(jī)和控制學(xué)科密切相關(guān)的一個(gè)研究領(lǐng)域，20世紀(jì)70年代以來(lái)被稱為世界三大尖端技術(shù)之一(空間技術(shù)、能源技術(shù)、人工智能)，也被認(rèn)為是21世紀(jì)三大尖端技術(shù)(基因工程、納米科學(xué)、人工智能)之一。 AI旨在模擬人腦中信息存儲(chǔ)和處理機(jī)制等智能行為，使機(jī)器具有一定程度上的智能水平。由于擅長(zhǎng)發(fā)現(xiàn)高維數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)，深度學(xué)習(xí)正被應(yīng)用于科學(xué)、商業(yè)和政府等領(lǐng)域，對(duì)信息科學(xué)領(lǐng)域的發(fā)展起到了很重要的推動(dòng)作用。 本章將從兩個(gè)維度深入剖析和解讀 AI發(fā)展過(guò)程，**個(gè)維度是橫向視角，從來(lái)自于神經(jīng)科學(xué)、人腦智能等智能啟發(fā)的源頭追溯，探討了 AI各個(gè)分支重要的發(fā)展歷程，綜合分析 AI的發(fā)展和演進(jìn)過(guò)程；第二個(gè)維度是縱向視角，從與 AI密切相關(guān)的幾個(gè)學(xué)科，包括計(jì)算機(jī)科學(xué)、控制科學(xué)、人腦智能、類腦智能等，通過(guò)它們?cè)诓煌瑲v史時(shí)期與 AI之間的相互作用，分析這些學(xué)科或領(lǐng)域之間的交融與歷史演進(jìn)，更清晰地對(duì) AI的本質(zhì)進(jìn)行認(rèn)知。 本章的組織結(jié)構(gòu)如下：1.2節(jié)深入分析與 AI密切相關(guān)的計(jì)算機(jī)科學(xué)、控制科學(xué)、類腦智能、人腦智能等學(xué)科或領(lǐng)域之間的交融與歷史演進(jìn)；1.3節(jié)指出神經(jīng)科學(xué)、腦科學(xué)與認(rèn)知科學(xué)的有關(guān)腦的結(jié)構(gòu)與功能機(jī)制的研究成果，為構(gòu)建智能計(jì)算模型提供了重要的啟發(fā)，并從邏輯模型及系統(tǒng)、神經(jīng)元及網(wǎng)絡(luò)模型、視覺神經(jīng)分層機(jī)制等方面，分別闡述智能的驅(qū)動(dòng)與發(fā)展；1.4節(jié)對(duì) AI的發(fā)展趨勢(shì)進(jìn)行展望，1.5節(jié)是本章小結(jié)。 1.2 智能的定義與歷史演進(jìn) 1.2.1 智能的定義 在心理學(xué)領(lǐng)域，將智能定義為智力和能力的總稱。其中，“智”指進(jìn)行認(rèn)識(shí)活動(dòng)的某些心理特點(diǎn)，“能”則指進(jìn)行實(shí)際活動(dòng)的某些心理特點(diǎn)[1]。下面將從與智能密切相關(guān)的人腦智能、人工智能、類腦智能三個(gè)方面探討智能的定義。 人腦是由一千多億個(gè)高度互聯(lián)的神經(jīng)元組成的復(fù)雜生物網(wǎng)絡(luò)，是人類分析、聯(lián)想、記憶和邏輯推理等能力的來(lái)源。人腦智能正是反映人類大腦具有的感知世界、理解世界和管理世界的智慧和能力，其研究主要圍繞人類智能活動(dòng)的規(guī)律，揭示大腦信息表征、轉(zhuǎn)換機(jī)理和學(xué)習(xí)規(guī)則，以期建立大腦信息處理過(guò)程的智能計(jì)算模型。隨著神經(jīng)解剖學(xué)的發(fā)展，人腦信息處理的奧秘也正在被逐步揭示。在此基礎(chǔ)上，人工智能是模擬人類大腦信息處理、記憶、邏輯推理等智能行為的基本理論、方法和技術(shù)，通過(guò)應(yīng)用計(jì)算機(jī)的軟硬件技術(shù)，構(gòu)造具有一定智能的人工系統(tǒng)，讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作。而類腦計(jì)算則渴求通過(guò)模仿人類神經(jīng)系統(tǒng)的工作原理，開發(fā)出快速、可靠、低耗的運(yùn)算技術(shù)。如何借助神經(jīng)科學(xué)、腦科學(xué)與認(rèn)知科學(xué)的研究成果，建立智能計(jì)算模型，使機(jī)器掌握人類的認(rèn)知規(guī)律，是“類腦智能”的研究目標(biāo)[2，3]。 1.2.2 智能的歷史演進(jìn) 1950年，AI之父英國(guó)人圖靈(Turing)的一篇里程碑式論文《計(jì)算機(jī)器與智能》為人類帶來(lái)了一個(gè)新學(xué)科—人工智能[4]。1956年夏季的“達(dá)特茅斯會(huì)議”中，以麥卡錫(McCarthy)、明斯基(Minsky)、羅切斯特(Rochester)和香農(nóng)(Shannon)等為首的一批有遠(yuǎn)見卓識(shí)的年輕科學(xué)家，共同研究和探討用機(jī)器模擬智能的一系列問題，首次提出了“人工智能”這一術(shù)語(yǔ)，標(biāo)志著“人工智能”正式誕生。 AI作為一門新興的科學(xué)技術(shù)，其發(fā)展演進(jìn)過(guò)程與信息科學(xué)領(lǐng)域的演進(jìn)過(guò)程密切相關(guān)，特別是計(jì)算機(jī)科學(xué)、控制科學(xué)這兩大學(xué)科。在 AI的發(fā)展中，不同學(xué)科背景的學(xué)者對(duì) AI做出了各自的理解，提出了不同的觀點(diǎn)。為此，將首先綜合分析計(jì)算機(jī)科學(xué)、控制科學(xué)、人工智能的歷史時(shí)期的主要演變環(huán)節(jié)和相互作用，如圖1.1所示。 首先在計(jì)算機(jī)科學(xué)發(fā)展過(guò)程中，從基礎(chǔ)理論來(lái)說(shuō)，形成了一套堅(jiān)實(shí)的計(jì)算機(jī)科學(xué)理論。20世紀(jì)30年代，可計(jì)算理論取得突破性進(jìn)展，當(dāng)時(shí)提出四個(gè)重要的計(jì)算模型：λ演算、圖靈機(jī)、哥德爾遞歸函數(shù)、Post系統(tǒng)。在理論意義上，這些模型之間在能力上是等價(jià)的，其中以圖靈機(jī)更接近常人計(jì)算，成為計(jì)算機(jī)的計(jì)算理論基礎(chǔ)。在此基礎(chǔ)上，20世紀(jì)50年代喬姆斯基(Chomsky)建立了形式語(yǔ)言的理論體系[5]，從語(yǔ)言、文法到機(jī)器模型，給出了計(jì)算機(jī)科學(xué)的能級(jí)空間的層次劃分，對(duì)計(jì)算機(jī)科學(xué)有著深刻的影響，特別是對(duì)程序設(shè)計(jì)語(yǔ)言和編譯方法等有重要的作用。同時(shí)，60年代的計(jì)算復(fù)雜性和70年代的程序驗(yàn)證理論都為整個(gè)計(jì)算機(jī)科學(xué)的發(fā)展奠定了堅(jiān)實(shí)的理論基礎(chǔ)。另一方面是計(jì)算機(jī)技術(shù)的發(fā)展。50年代馮 諾依曼提出計(jì)算機(jī)體系結(jié)構(gòu)，以程序存儲(chǔ)為基礎(chǔ)，程序指令和數(shù)據(jù)共用一個(gè)存儲(chǔ)空間。1945年，**代計(jì)算機(jī) ENIAC誕生。1964年，IBM(International Business Machines Corporation)宣布推出的一款計(jì)算機(jī)系統(tǒng) IBM360，在業(yè)界引起了轟動(dòng)。后來(lái)到80年代的 PC機(jī)，IBM一直保持領(lǐng)先優(yōu)勢(shì)。當(dāng)時(shí)討論的是單個(gè)電腦的計(jì)算組成、原理和相應(yīng)的機(jī)器，即單機(jī)系統(tǒng)。在這個(gè)范疇內(nèi)，無(wú)論是理論還是技術(shù)都比較完備。后來(lái)，隨著時(shí)間的推進(jìn)，90年代出現(xiàn)的互聯(lián)網(wǎng)，不同于單機(jī)系統(tǒng)的確定和完備，是一個(gè)非確定、開放共享、動(dòng)態(tài)的系統(tǒng)。近些年，出現(xiàn)了物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)，到現(xiàn)在的云平臺(tái)？梢钥闯，計(jì)算機(jī)系統(tǒng)經(jīng)歷了從單機(jī)時(shí)代進(jìn)化到能夠整合共享資源的專用局域網(wǎng)系統(tǒng)，然后發(fā)展到資源可整合、共享的互聯(lián)網(wǎng)時(shí)代，逐步演進(jìn)到目前資源動(dòng)態(tài)分配、服務(wù)高度發(fā)達(dá)共享的網(wǎng)絡(luò)信息服務(wù)時(shí)代。 圖1.1 計(jì)算機(jī)科學(xué)、控制科學(xué)、人工智能的演進(jìn)過(guò)程 基于這樣的計(jì)算機(jī)科學(xué)理論與系統(tǒng)的發(fā)展， AI發(fā)展昀早可以追溯到50年代以符號(hào)主義為代表的邏輯推理和定理證明研究。之后，60年代模擬人類專家的行為，概括成經(jīng)驗(yàn)性的規(guī)則形成規(guī)則系統(tǒng)，推演應(yīng)用領(lǐng)域知識(shí)的生成。專家系統(tǒng)在醫(yī)療診斷、化學(xué)邏輯關(guān)系推演等發(fā)揮很好的作用。但因?yàn)槿斯ぶ贫ǖ囊?guī)則一旦抽取出來(lái)就是固定的，不便于系統(tǒng)的成長(zhǎng)和拓展，而且規(guī)則是確定的，專家系統(tǒng)難以處理一些新的問題。隨著該過(guò)程的發(fā)展，后來(lái)出現(xiàn)了數(shù)據(jù)庫(kù)和知識(shí)庫(kù)，建立知識(shí)單元支持規(guī)則的推演；語(yǔ)義網(wǎng)絡(luò)，將概念與概念間的關(guān)系組織起來(lái)形成網(wǎng)絡(luò)；結(jié)合大數(shù)據(jù)又出現(xiàn)了知識(shí)圖譜？梢钥闯，這一層面是模擬和學(xué)習(xí)人的邏輯思維推演過(guò)程，這也正是受到底層計(jì)算機(jī)科學(xué)理論和系統(tǒng)結(jié)構(gòu)的影響而發(fā)展起來(lái)的。 AI的另外一條主線是以連接主義為代表，模擬發(fā)生在人類神經(jīng)系統(tǒng)中的認(rèn)知過(guò)程。50年代提出的感知機(jī)是昀早的模擬神經(jīng)元細(xì)胞和突觸機(jī)制的計(jì)算模型。之后模擬人的神經(jīng)系統(tǒng)，建立了多層感知機(jī)等人工神經(jīng)網(wǎng)絡(luò)，一直到現(xiàn)在的深度學(xué)習(xí)都是沿著這一主線發(fā)展起來(lái)的。 與此同時(shí)，在 AI發(fā)展過(guò)程中另外一個(gè)重要學(xué)派行為主義認(rèn)為智能是系統(tǒng)與環(huán)境的交互行為。因此，形成了強(qiáng)化學(xué)習(xí)、進(jìn)化計(jì)算等智能方法，可以看成控制學(xué)科對(duì) AI的啟發(fā)。控制科學(xué)的發(fā)展經(jīng)歷了三個(gè)重要時(shí)期：1940年代～1950年代：經(jīng)典控制理論(PID(Proportional Integral Derivative)控制、反饋控制)，這一時(shí)期是單變量專一事務(wù)的控制，而且是試錯(cuò)性的。1960年代～1970年代：現(xiàn)代控制理論(昀優(yōu)控制、模糊控制、自適應(yīng)控制)，在線性系統(tǒng)的狀態(tài)空間表示基礎(chǔ)上，建立狀態(tài)方程，卡爾曼濾波昀具代表性。1980年代至今：先進(jìn)控制理論(魯棒控制、智能控制、集成控制)，具有代表性的有離散事件動(dòng)態(tài)系統(tǒng)、混雜系統(tǒng)。此外，20世紀(jì)50年代開始的機(jī)器人也比較有代表性，后來(lái)出現(xiàn)了服務(wù)機(jī)器人，特別是昀近的自主智能系統(tǒng)，如無(wú)人機(jī)、無(wú)人車等。 以上從三條主線縱觀了智能的情況和背景，下面換個(gè)角度，從計(jì)算機(jī)科學(xué)和類腦智能的發(fā)展角度來(lái)看人工智能，如圖1.2所示。 AI從20世紀(jì)50年代開始經(jīng)歷了三次浪潮。**次浪潮是1956年開始，核心是符號(hào)主義用機(jī)器證明的辦法去證明和推理一些知識(shí)，建立了邏輯定理證明、專家系統(tǒng)、知識(shí)庫(kù)等。但專家的經(jīng)驗(yàn)規(guī)則是有限的、確定的，難以進(jìn)行知識(shí)的更新。所以在這個(gè)階段，人們?cè)瓉?lái)期望借助 AI可以解決很多問題，實(shí)際上沒有得到解決， AI走向低潮。第二次浪潮是20世紀(jì)80年代，受到算法復(fù)雜性理論、硬件支撐系統(tǒng)、數(shù)據(jù)庫(kù)管理系統(tǒng)等方面的推動(dòng)，以神經(jīng)網(wǎng)絡(luò)為代表的連接主義再次受到學(xué)者們的廣泛關(guān)注，提出了多層感知機(jī)、 BP(Back Propagation)網(wǎng)絡(luò)等，成功解決了復(fù)雜的非線性分類和回歸問題，再次引起了 AI的熱潮。但當(dāng)時(shí)機(jī)器的計(jì)算能力還很有限，缺乏強(qiáng)力計(jì)算設(shè)備，同時(shí)缺少類似于人類社會(huì)這樣開放式的學(xué)習(xí)環(huán)境，無(wú)法提供神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的大量數(shù)據(jù)樣本，導(dǎo)致90年代神經(jīng)網(wǎng)絡(luò)再次走向低潮， AI研究者將目光轉(zhuǎn)向統(tǒng)計(jì)學(xué)習(xí)。90年代互聯(lián)網(wǎng)興起，互聯(lián)網(wǎng)是一個(gè)不確定的、不斷成長(zhǎng)的系統(tǒng)，包括云計(jì)算和大數(shù)據(jù)的出現(xiàn)，提供了一套更加有效地對(duì)數(shù)據(jù)獲取、處理的機(jī)制和平臺(tái)。這樣一來(lái)，再次刺激了神經(jīng)網(wǎng)絡(luò)的復(fù)蘇，出現(xiàn)了以深度學(xué)習(xí)為代表的第三次浪潮。2006年，辛頓(Hinton)提出神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法，使得至少具有7層的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練成為可能[6]，由于能夠比較好地模擬人腦神經(jīng)元多層深度傳遞的過(guò)程，在解決一些復(fù)雜問題時(shí)有著突破性的表現(xiàn)。與此同時(shí)，類腦智能研究也逐步引起學(xué)術(shù)界和工業(yè)界的關(guān)注，其核心是受腦啟發(fā)構(gòu)建神經(jīng)擬態(tài)架構(gòu)和處理器，包括 IBM TrueNorth等硬件方面模擬人的神經(jīng)元芯片和深度學(xué)習(xí)芯片，如 Google TPU、中科院的寒武紀(jì)系列等。 圖1.2 計(jì)算機(jī)科學(xué)、人工智能、類腦計(jì)算的演進(jìn)過(guò)程 1.3 智能的驅(qū)動(dòng)與發(fā)展關(guān)系 神經(jīng)科學(xué)、腦科學(xué)與認(rèn)知科學(xué)所揭示的有關(guān)腦結(jié)構(gòu)與功能機(jī)制為構(gòu)建智能計(jì)算模型提供了重要的啟發(fā)。本節(jié)將在上述發(fā)展脈絡(luò)分析的基礎(chǔ)上，從智能的起源開始追溯，分別從智能驅(qū)動(dòng)的專題版塊進(jìn)行闡述，包括邏輯模型及系統(tǒng)、神經(jīng)元及網(wǎng)絡(luò)模型、視覺神經(jīng)分層機(jī)制、脈沖神經(jīng)網(wǎng)絡(luò)模型、學(xué)習(xí)與記憶機(jī)制、語(yǔ)言模型、進(jìn)化與強(qiáng)化，綜合分析 AI的發(fā)展和演進(jìn)過(guò)程，設(shè)計(jì)了智能版塊“五線譜”，其中五條線分別為五個(gè)不同的領(lǐng)域，七種不同顏色分別表示七個(gè)智能專題，如圖1.3所示。 1．邏輯模型及系統(tǒng) 人類神經(jīng)系統(tǒng)具有邏輯思維的潛力，可以通過(guò)后天的學(xué)習(xí)和訓(xùn)練，逐漸形成具體的邏輯思考能力。以人的邏輯思維和推演過(guò)程為智能驅(qū)動(dòng)，經(jīng)歷了20世紀(jì)50年代～70年代初的邏輯推理與定理證明，之后發(fā)展到20世紀(jì)80年代出現(xiàn)大量的專家?guī)旌椭R(shí)庫(kù)，到1998年出現(xiàn)語(yǔ)義網(wǎng)、2012年谷歌提出知識(shí)圖譜等？梢钥闯，在這一層面 AI領(lǐng)域通過(guò)模擬和學(xué)習(xí)人類的邏輯推理能力，經(jīng)歷了邏輯推理與定理證明、專家?guī)、知識(shí)庫(kù)、語(yǔ)義網(wǎng)、知識(shí)圖譜等一些重要的歷程。

商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服