123,123

內(nèi)容簡(jiǎn)介

　　類(lèi)腦智能技術(shù)是當(dāng)前國(guó)際重要的科技前沿，研究類(lèi)腦智能技術(shù)對(duì)發(fā)展新型信息產(chǎn)業(yè)意義重大。本書(shū)介紹了一種新穎的類(lèi)腦模型—大腦情感學(xué)習(xí)模型，并介紹了其學(xué)習(xí)算法、改進(jìn)技術(shù)及應(yīng)用。大腦情感學(xué)習(xí)模型根據(jù)哺乳動(dòng)物大腦邊緣系統(tǒng)的結(jié)構(gòu)建立，在模擬生物智能行為上表現(xiàn)出了良好的自適應(yīng)性能，模型結(jié)構(gòu)簡(jiǎn)單，運(yùn)算速度快。本書(shū)共9章，分為3篇：基礎(chǔ)篇、改進(jìn)篇和應(yīng)用篇?；A(chǔ)篇主要介紹大腦情感學(xué)習(xí)模型的研究現(xiàn)狀、神經(jīng)生理學(xué)基礎(chǔ)與學(xué)習(xí)算法；改進(jìn)篇主要介紹大腦情感學(xué)習(xí)模型的改進(jìn)技術(shù)，通過(guò)加入監(jiān)督學(xué)習(xí)和競(jìng)爭(zhēng)學(xué)習(xí)機(jī)制改進(jìn)模型性能；應(yīng)用篇主要介紹將改進(jìn)的大腦情感學(xué)習(xí)模型用于混沌時(shí)間序列預(yù)測(cè)、疾病診斷、表情識(shí)別及人機(jī)情感交互等領(lǐng)域的例子。本書(shū)可以作為研究生、高校教師及工程技術(shù)人員的自學(xué)和參考用書(shū)，也適合對(duì)類(lèi)腦模型研究感興趣的研究人員和工程技術(shù)人員閱讀。

作者簡(jiǎn)介

　　梅英，湖南常德人，工學(xué)博士，控制科學(xué)與工程專(zhuān)業(yè)，現(xiàn)為湖南文理學(xué)院副教授。自二〇一九年起，先后赴國(guó)內(nèi)外訪學(xué)，英國(guó)北安普頓大學(xué)訪問(wèn)學(xué)者和湖南大學(xué)訪問(wèn)學(xué)者，目前主要研究方向?yàn)轭?lèi)腦智能、智能數(shù)據(jù)分析、智能機(jī)器人等。

圖書(shū)目錄

第1篇大腦情感學(xué)習(xí)模型基礎(chǔ)篇
第1章大腦情感學(xué)習(xí)模型概述 2
1.1 類(lèi)腦智能 2
1.2 大腦情感學(xué)習(xí)模型 4
1.3 大腦情感學(xué)習(xí)模型的研究現(xiàn)狀 5
1.3.1 智能控制應(yīng)用 5
1.3.2 數(shù)據(jù)分析應(yīng)用 7
1.4 大腦情感學(xué)習(xí)模型的特點(diǎn) 8
1.5 本章小結(jié) 8
第2章神經(jīng)生理學(xué)基礎(chǔ) 9
2.1 大腦邊緣系統(tǒng) 9
2.2 大腦反射通路 11
2.3 大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 11
2.4 大腦神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 13
2.5 本章小結(jié) 14
第3章大腦情感學(xué)習(xí)算法 15
3.1 強(qiáng)化學(xué)習(xí) 15
3.2 大腦情感學(xué)習(xí) 16
3.3 大腦情感學(xué)習(xí)模型權(quán)值調(diào)節(jié) 18
3.3.1 杏仁體權(quán)值調(diào)節(jié) 18
3.3.2 眶額皮質(zhì)權(quán)值調(diào)節(jié) 19
3.4 穩(wěn)定性分析 19
3.4.1 杏仁體穩(wěn)定性分析 20
3.4.2 眶額皮質(zhì)穩(wěn)定性分析 20
3.5 大腦情感學(xué)習(xí)模型的局限性 20
3.6 本章小結(jié) 22
第2篇大腦情感學(xué)習(xí)模型改進(jìn)篇
第4章監(jiān)督型大腦情感學(xué)習(xí)網(wǎng)絡(luò) 24
4.1 人工神經(jīng)網(wǎng)絡(luò) 24
4.1.1 人工神經(jīng)元 24
4.1.2 人工神經(jīng)網(wǎng)絡(luò)分類(lèi) 26
4.1.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式 27
4.2 構(gòu)建監(jiān)督型大腦情感學(xué)習(xí)網(wǎng)絡(luò) 29
4.2.1 SBEL網(wǎng)絡(luò)結(jié)構(gòu) 29
4.2.2 SBEL算法 30
4.2.3 SBEL算法流程 32
4.3 實(shí)驗(yàn)與分析 33
4.3.1 數(shù)據(jù)集與預(yù)處理 33
4.3.2 分類(lèi)性能評(píng)價(jià) 34
4.3.3 實(shí)驗(yàn)結(jié)果 36
4.3.4 比較與分析 39
4.4 本章小結(jié) 40
第5章競(jìng)爭(zhēng)型大腦情感學(xué)習(xí)網(wǎng)絡(luò) 41
5.1 生物學(xué)基礎(chǔ) 41
5.2 “贏者通吃”競(jìng)爭(zhēng)機(jī)制 42
5.3 構(gòu)建競(jìng)爭(zhēng)型大腦情感學(xué)習(xí)網(wǎng)絡(luò) 43
5.3.1 CBEL網(wǎng)絡(luò)結(jié)構(gòu) 43
5.3.2 CBEL算法 44
5.3.3 CBEL算法流程 45
5.4 實(shí)驗(yàn)與分析 45
5.4.1 實(shí)驗(yàn)設(shè)置 46
5.4.2 實(shí)驗(yàn)結(jié)果 46
5.4.3 比較與分析 49
5.5 本章小結(jié) 50
第3篇大腦情感學(xué)習(xí)模型應(yīng)用篇
第6章混沌時(shí)間序列預(yù)測(cè) 52
6.1 數(shù)據(jù)預(yù)測(cè)步驟 52
6.2 大腦情感學(xué)習(xí)預(yù)測(cè)模型 54

6.3 自適應(yīng)遺傳算法優(yōu)化 56
6.3.1 染色體編碼 56
6.3.2 適應(yīng)度函數(shù) 57
6.3.3 遺傳算子 57
6.3.4 AGA-BEL算法步驟 58
6.4 預(yù)測(cè)仿真實(shí)驗(yàn) 58
6.4.1 Lorenz混沌時(shí)間序列預(yù)測(cè) 58
6.4.2 磁暴環(huán)電流指數(shù)Dst預(yù)測(cè) 63
6.5 本章小結(jié) 69
第7章疾病診斷 70
7.1 計(jì)算機(jī)輔助疾病診斷的步驟 71
7.2 疾病診斷BEL網(wǎng)絡(luò) 72
7.2.1 網(wǎng)絡(luò)結(jié)構(gòu) 72
7.2.2 算法 72
7.3 模型優(yōu)化 74
7.3.1 改進(jìn)的自適應(yīng)遺傳算法 74
7.3.2 遺傳操作 75
7.3.3 IAGA-SBEL算法步驟 77
7.4 實(shí)驗(yàn)與分析 78
7.4.1 乳腺癌診斷 78
7.4.2 心臟病診斷 82
7.4.3 淋巴疾病診斷 84
7.5 本章小結(jié) 86
第8章表情識(shí)別 87
8.1 表情識(shí)別步驟 88
8.1.1 人臉檢測(cè)與預(yù)處理 88
8.1.2 表情特征提取 88
8.1.3 表情分類(lèi) 89
8.2 表情識(shí)別網(wǎng)絡(luò) 91
8.3 粒子群算法優(yōu)化 93
8.3.1 改進(jìn)粒子群算法 93
8.3.2 優(yōu)化操作 95
8.3.3 IPSO-CBEL算法步驟 96
8.4 實(shí)驗(yàn)與分析 97
8.4.1 JAFFE表情識(shí)別 98
8.4.2 Cohn-Kanade表情識(shí)別 101
8.5 本章小結(jié) 105
第9章基于表情的人機(jī)情感交互 106
9.1 面部表情合成方法 106
9.1.1 基于網(wǎng)格變形的表情合成 106
9.1.2 基于數(shù)據(jù)驅(qū)動(dòng)的表情合成 107
9.2 表情合成要素 107
9.2.1 表情肌 107
9.2.2 面部行為編碼系統(tǒng) 108
9.2.3 Candide模型 109
9.3 紋理貼圖 110
9.3.1 紋理坐標(biāo)歸一化 110
9.3.2 表情合成 110
9.4 人機(jī)情感交互 112
9.4.1 人機(jī)交互虛擬仿真 113
9.4.2 人機(jī)交互真實(shí)場(chǎng)景 114
9.5 本章小結(jié) 116
總結(jié)與展望 117
附錄A 119
參考文獻(xiàn) 120