夜精品A片一区二区三区无码白浆,91精品丝袜人妻久久久久久不卡

內容簡介

　　類腦智能技術是當前國際重要的科技前沿，研究類腦智能技術對發(fā)展新型信息產(chǎn)業(yè)意義重大。本書介紹了一種新穎的類腦模型—大腦情感學習模型，并介紹了其學習算法、改進技術及應用。大腦情感學習模型根據(jù)哺乳動物大腦邊緣系統(tǒng)的結構建立，在模擬生物智能行為上表現(xiàn)出了良好的自適應性能，模型結構簡單，運算速度快。本書共9章，分為3篇：基礎篇、改進篇和應用篇?；A篇主要介紹大腦情感學習模型的研究現(xiàn)狀、神經(jīng)生理學基礎與學習算法；改進篇主要介紹大腦情感學習模型的改進技術，通過加入監(jiān)督學習和競爭學習機制改進模型性能；應用篇主要介紹將改進的大腦情感學習模型用于混沌時間序列預測、疾病診斷、表情識別及人機情感交互等領域的例子。本書可以作為研究生、高校教師及工程技術人員的自學和參考用書，也適合對類腦模型研究感興趣的研究人員和工程技術人員閱讀。

作者簡介

　　梅英，湖南常德人，工學博士，控制科學與工程專業(yè)，現(xiàn)為湖南文理學院副教授。自二〇一九年起，先后赴國內外訪學，英國北安普頓大學訪問學者和湖南大學訪問學者，目前主要研究方向為類腦智能、智能數(shù)據(jù)分析、智能機器人等。

圖書目錄

第1篇大腦情感學習模型基礎篇
第1章大腦情感學習模型概述 2
1.1 類腦智能 2
1.2 大腦情感學習模型 4
1.3 大腦情感學習模型的研究現(xiàn)狀 5
1.3.1 智能控制應用 5
1.3.2 數(shù)據(jù)分析應用 7
1.4 大腦情感學習模型的特點 8
1.5 本章小結 8
第2章神經(jīng)生理學基礎 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)絡結構 11
2.4 大腦神經(jīng)網(wǎng)絡學習 13
2.5 本章小結 14
第3章大腦情感學習算法 15
3.1 強化學習 15
3.2 大腦情感學習 16
3.3 大腦情感學習模型權值調節(jié) 18
3.3.1 杏仁體權值調節(jié) 18
3.3.2 眶額皮質權值調節(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 眶額皮質穩(wěn)定性分析 20
3.5 大腦情感學習模型的局限性 20
3.6 本章小結 22
第2篇大腦情感學習模型改進篇
第4章監(jiān)督型大腦情感學習網(wǎng)絡 24
4.1 人工神經(jīng)網(wǎng)絡 24
4.1.1 人工神經(jīng)元 24
4.1.2 人工神經(jīng)網(wǎng)絡分類 26
4.1.3 人工神經(jīng)網(wǎng)絡學習方式 27
4.2 構建監(jiān)督型大腦情感學習網(wǎng)絡 29
4.2.1 SBEL網(wǎng)絡結構 29
4.2.2 SBEL算法 30
4.2.3 SBEL算法流程 32
4.3 實驗與分析 33
4.3.1 數(shù)據(jù)集與預處理 33
4.3.2 分類性能評價 34
4.3.3 實驗結果 36
4.3.4 比較與分析 39
4.4 本章小結 40
第5章競爭型大腦情感學習網(wǎng)絡 41
5.1 生物學基礎 41
5.2 “贏者通吃”競爭機制 42
5.3 構建競爭型大腦情感學習網(wǎng)絡 43
5.3.1 CBEL網(wǎng)絡結構 43
5.3.2 CBEL算法 44
5.3.3 CBEL算法流程 45
5.4 實驗與分析 45
5.4.1 實驗設置 46
5.4.2 實驗結果 46
5.4.3 比較與分析 49
5.5 本章小結 50
第3篇大腦情感學習模型應用篇
第6章混沌時間序列預測 52
6.1 數(shù)據(jù)預測步驟 52
6.2 大腦情感學習預測模型 54

6.3 自適應遺傳算法優(yōu)化 56
6.3.1 染色體編碼 56
6.3.2 適應度函數(shù) 57
6.3.3 遺傳算子 57
6.3.4 AGA-BEL算法步驟 58
6.4 預測仿真實驗 58
6.4.1 Lorenz混沌時間序列預測 58
6.4.2 磁暴環(huán)電流指數(shù)Dst預測 63
6.5 本章小結 69
第7章疾病診斷 70
7.1 計算機輔助疾病診斷的步驟 71
7.2 疾病診斷BEL網(wǎng)絡 72
7.2.1 網(wǎng)絡結構 72
7.2.2 算法 72
7.3 模型優(yōu)化 74
7.3.1 改進的自適應遺傳算法 74
7.3.2 遺傳操作 75
7.3.3 IAGA-SBEL算法步驟 77
7.4 實驗與分析 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 86
第8章表情識別 87
8.1 表情識別步驟 88
8.1.1 人臉檢測與預處理 88
8.1.2 表情特征提取 88
8.1.3 表情分類 89
8.2 表情識別網(wǎng)絡 91
8.3 粒子群算法優(yōu)化 93
8.3.1 改進粒子群算法 93
8.3.2 優(yōu)化操作 95
8.3.3 IPSO-CBEL算法步驟 96
8.4 實驗與分析 97
8.4.1 JAFFE表情識別 98
8.4.2 Cohn-Kanade表情識別 101
8.5 本章小結 105
第9章基于表情的人機情感交互 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)驅動的表情合成 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 紋理坐標歸一化 110
9.3.2 表情合成 110
9.4 人機情感交互 112
9.4.1 人機交互虛擬仿真 113
9.4.2 人機交互真實場景 114
9.5 本章小結 116
總結與展望 117
附錄A 119
參考文獻 120