認(rèn)知計算導(dǎo)論

第一篇認(rèn)知計算與物聯(lián)網(wǎng)
1認(rèn)知數(shù)據(jù)的采集(2)
1.1認(rèn)知數(shù)據(jù)的特點(2)
1.1.1認(rèn)知數(shù)據(jù)的定義(2)
1.1.2數(shù)據(jù)流量、多樣性、速度、真實性和變化性(3)
1.1.3結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)(4)
1.1.4認(rèn)知數(shù)據(jù)的采集與預(yù)處理(5)
1.2物聯(lián)網(wǎng)感知(8)
1.2.1物聯(lián)網(wǎng)的演進(8)
1.2.2物聯(lián)網(wǎng)使能技術(shù)及發(fā)展路線圖(13)
1.2.3物聯(lián)網(wǎng)感知技術(shù)(15)
1.3物聯(lián)網(wǎng)發(fā)展現(xiàn)狀(17)
1.3.1物聯(lián)網(wǎng)的分層架構(gòu)(17)
1.3.2典型的物聯(lián)網(wǎng)平臺(19)
1.4群智感知(22)
1.4.1群智感知的定義(22)
1.4.2群智感知的起源(23)
1.4.3基于群智感知的數(shù)據(jù)采集(24)
1.5本章小結(jié)(24)
2認(rèn)知觸覺網(wǎng)絡(luò)(25)
2.1觸覺與認(rèn)知(25)
2.1.1什么是觸覺(25)
2.1.2觸覺傳感技術(shù)(26)
2.1.3由觸覺形成的認(rèn)知(28)
2.2認(rèn)知觸覺網(wǎng)絡(luò)(29)
2.2.1認(rèn)知觸覺網(wǎng)絡(luò)概述(29)
2.2.2認(rèn)知觸覺網(wǎng)絡(luò)優(yōu)化(30)
2.2.3基于認(rèn)知觸覺的行為預(yù)測(32)
2.3認(rèn)知觸覺網(wǎng)絡(luò)的典型應(yīng)用(33)
2.3.1機器人通信與控制(33)
2.3.2遠(yuǎn)程醫(yī)療應(yīng)用(37)
2.4本章小結(jié)(38)
3語料庫和自然語言處理(39)
3.1構(gòu)建語料庫(39)
3.1.1語料庫概述(39)
3.1.2基于語料庫的語言認(rèn)知(41)
3.2自然語言處理(41)
3.2.1自然語言處理的歷史(41)
3.2.2詞法分析(42)
3.2.3語法和句法分析(42)
3.2.4語法結(jié)構(gòu)(43)
3.2.5話語分析(43)
3.2.6機器理解文本 NLP 技術(shù)(43)
3.3詞向量(44)
3.3.1概述(45)
3.3.2訓(xùn)練詞向量(45)
3.3.3詞向量的語言學(xué)評價(46)
3.3.4詞向量的應(yīng)用(47)
3.4本章小結(jié)(48)
第一篇習(xí)題(48)
本篇參考文獻(xiàn)(50)
認(rèn)知計算導(dǎo)論目錄第二篇認(rèn)知計算與機器學(xué)習(xí)
4機器學(xué)習(xí)概述(54)
4.1根據(jù)學(xué)習(xí)方式分類(54)
4.2根據(jù)算法功能分類(55)
4.3有監(jiān)督的機器學(xué)習(xí)算法(57)
4.4無監(jiān)督的機器學(xué)習(xí)算法(58)
4.5本章小結(jié)(58)
5機器學(xué)習(xí)主要算法(60)
5.1決策樹(60)
5.2基于規(guī)則的分類(63)
5.3最近鄰分類(65)
5.4支持向量機(67)
5.4.1線性決策邊界(67)
5.4.2最大邊緣超平面的定義(68)
5.4.3SVM模型(69)
5.5樸素貝葉斯(69)
5.6隨機森林(72)
5.7聚類分析(76)
5.7.1基于相似度的聚類分析(76)
5.7.2聚類方法介紹(77)
5.8本章小結(jié)(84)
6面向大數(shù)據(jù)分析的機器學(xué)習(xí)算法(85)
6.1降維算法和其他相關(guān)算法(85)
6.1.1降維方法(85)
6.1.2主成分分析法(86)
6.1.3半監(jiān)督學(xué)習(xí)和增強學(xué)習(xí)以及表示學(xué)習(xí)(89)
6.2選擇合適的機器學(xué)習(xí)算法(91)
6.2.1性能指標(biāo)和模型擬合情況(92)
6.2.2避免過擬合現(xiàn)象(94)
6.2.3避免欠擬合現(xiàn)象(96)
6.2.4選擇合適的算法(98)
6.3本章小結(jié)(99)
第二篇習(xí)題(99)
本篇參考文獻(xiàn)(102)
第三篇認(rèn)知計算與大數(shù)據(jù)分析
7認(rèn)知大數(shù)據(jù)分析(106)
7.1大數(shù)據(jù)和認(rèn)知計算的關(guān)系(106)
7.1.1處理人類產(chǎn)生的數(shù)據(jù)(106)
7.1.2驅(qū)動認(rèn)知計算的關(guān)鍵技術(shù)(108)
7.1.35G網(wǎng)絡(luò)(111)
7.1.4大數(shù)據(jù)分析(112)
7.2認(rèn)知計算相關(guān)介紹(113)
7.2.1認(rèn)知計算的系統(tǒng)特征(113)
7.2.2認(rèn)知學(xué)習(xí)的應(yīng)用(114)
7.3認(rèn)知分析(115)
7.3.1統(tǒng)計學(xué)、數(shù)據(jù)挖掘與機器學(xué)習(xí)的關(guān)系(115)
7.3.2在分析過程中使用機器學(xué)習(xí)(116)
7.4本章小節(jié)(119)
8深度學(xué)習(xí)在認(rèn)知系統(tǒng)中的應(yīng)用(120)
8.1認(rèn)知系統(tǒng)和深度學(xué)習(xí)(120)
8.2深度學(xué)習(xí)和淺層學(xué)習(xí)(121)
8.3深度學(xué)習(xí)模仿人的感知(122)
8.4深度學(xué)習(xí)模仿人類直覺(124)
8.5深度學(xué)習(xí)實現(xiàn)步驟(125)
8.6本章小結(jié)(126)
9人工神經(jīng)網(wǎng)絡(luò)與深信念網(wǎng)絡(luò)(127)
9.1人工神經(jīng)網(wǎng)絡(luò)(127)
9.1.1感知器(127)
9.1.2多層人工神經(jīng)網(wǎng)絡(luò)(128)
9.1.3人工神經(jīng)網(wǎng)絡(luò)前向傳播和后向傳播(129)
9.1.4梯度下降法擬合參數(shù)(133)
9.2堆疊自編碼和深信念網(wǎng)絡(luò)(134)
9.2.1自編碼器(134)
9.2.2堆疊自編碼器(137)
9.2.3限制波茲曼機(138)
9.2.4深信念網(wǎng)絡(luò)(143)
9.3本章小結(jié)(144)
10卷積神經(jīng)網(wǎng)絡(luò)與其他神經(jīng)網(wǎng)絡(luò)(145)
10.1CNN中的卷積操作(145)
10.2池化(148)
10.3訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(150)
10.4其他深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(151)
10.4.1深度神經(jīng)網(wǎng)絡(luò)的連接性(152)
10.4.2遞歸神經(jīng)網(wǎng)絡(luò)(152)
10.4.3不同神經(jīng)網(wǎng)絡(luò)的輸入和輸出的關(guān)系(153)
10.4.4結(jié)構(gòu)遞歸深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(154)
10.4.5其他深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(154)
10.5本章小結(jié)(155)
第三篇習(xí)題(155)
本篇參考文獻(xiàn)(157)
第四篇認(rèn)知云計算
11云端認(rèn)知計算(162)
11.1云端認(rèn)知計算(162)
11.1.1利用分布式計算共享資源(162)
11.1.2云計算是智能認(rèn)知服務(wù)的基礎(chǔ)(162)
11.1.3云計算的特點(163)
11.1.4云計算模型(163)
11.1.5云交付模型(167)
11.1.6工作負(fù)載管理(168)
11.1.7安全和治理(169)
11.1.8云數(shù)據(jù)集成和管理(169)
11.1.9云端認(rèn)知學(xué)習(xí)工具包簡介(170)
11.2本章小結(jié)(171)
12面向認(rèn)知計算的云編程與編程工具(172)
12.1可拓展并行計算(172)
12.1.1可拓展計算的特點(172)
12.1.2從MapReduce到Hadoop和Spark(173)
12.1.3常用的大數(shù)據(jù)處理軟件庫(174)
12.2YARN、HDFS與Hadoop編程(175)
12.2.1MapReduce計算引擎(175)
12.2.2MapReduce在矩陣并行算法中的應(yīng)用(179)
12.2.3Hadoop架構(gòu)和擴展(181)
12.2.4Hadoop分布式文件系統(tǒng)(HDFS)(184)
12.2.5Hadoop YARN資源管理(186)
12.3Spark核心和分布式彈性數(shù)據(jù)集(188)
12.3.1Spark核心應(yīng)用(188)
12.3.2彈性分布式數(shù)據(jù)集中的關(guān)鍵概念(189)
12.3.3Spark中RDD和DAG tasks編程(191)
12.4Spark SQL、流處理、機器學(xué)習(xí)和GraphX編程(193)
12.4.1結(jié)構(gòu)化數(shù)據(jù)Spark SQL(194)
12.4.2使用實時數(shù)據(jù)流的Spark Streaming(195)
12.4.3用于機器學(xué)習(xí)的 Spark MLlib Library(196)
12.4.4圖像處理框架Spark GraphX(197)
12.5本章小結(jié)(199)
13TensorFlow(200)
13.1TensorFlow的發(fā)展(200)
13.2TensorFlow基本概念和Data Flow Graph模型(201)
13.2.1TensorFlow基本概念(201)
13.2.2Data Flow Graph 模型(203)
13.2.3機器學(xué)習(xí)系統(tǒng)中數(shù)據(jù)流圖(205)
13.3圖像識別系統(tǒng)中TensorFlow的使用(206)
13.4本章小結(jié)(209)
第四篇習(xí)題(209)
本篇參考文獻(xiàn)(210)
第五篇認(rèn)知計算與機器人技術(shù)
14基于機器人技術(shù)的認(rèn)知系統(tǒng)(212)
14.1機器人系統(tǒng)(212)
14.1.1機器人發(fā)展歷程(212)
14.1.2機器人分類(213)
14.1.3機器人技術(shù)發(fā)展核心(217)
14.1.4機器人的未來(218)
14.2認(rèn)知系統(tǒng)(218)
14.2.1認(rèn)知計算(219)
14.2.2基于認(rèn)知計算的認(rèn)知系統(tǒng)(220)
14.2.3機器人與認(rèn)知系統(tǒng)的融合(220)
14.2.4基于認(rèn)知計算的多機器人協(xié)作的情感交互(221)
14.3典型應(yīng)用(225)
14.3.1基于機器人認(rèn)知能力的工業(yè)4.0(225)
14.3.2基于機器人的情感交互(226)
14.4本章小結(jié)(228)
15機器人的認(rèn)知智能(229)
15.1機器人認(rèn)知智能支撐技術(shù)(229)
15.1.1傳感器等感知技術(shù)的發(fā)展(229)
15.1.2大數(shù)據(jù)、機器學(xué)習(xí)和深度學(xué)習(xí)等數(shù)據(jù)處理技術(shù)的發(fā)展(230)
15.1.3云機器人(231)
15.1.4機器人通信技術(shù)(232)
15.2具有認(rèn)知智能的機器人的體系架構(gòu)(232)
15.2.1機器人系統(tǒng)架構(gòu)(232)
15.2.2機器人硬件架構(gòu)(234)
15.2.3軟件開發(fā)平臺(236)
15.2.4機器人底層控制軟件實現(xiàn)(236)
15.2.5機器人應(yīng)用軟件實現(xiàn)(238)
15.2.6總結(jié)(241)
15.3認(rèn)知智能機器人的重要意義及發(fā)展趨勢(242)
15.3.1發(fā)展智能機器人的重要性(242)
15.3.2智能機器人的發(fā)展方向(242)
15.3.3總結(jié)(244)
15.4當(dāng)前認(rèn)知智能機器人的應(yīng)用與發(fā)展(244)
15.4.1情感交互機器人(244)
15.4.2智能家居(245)
15.4.3其他智能機器人(246)
15.5本章小結(jié)(248)
第五篇習(xí)題(249)
本篇參考文獻(xiàn)(251)
第六篇認(rèn)知計算應(yīng)用
16Google認(rèn)知計算應(yīng)用(254)
16.1DeepMind的AI程序(254)
16.2深度增強學(xué)習(xí)算法(255)
16.3機器人玩Flappybird(257)
16.4使用深度增強學(xué)習(xí)的AlphaGo(263)
16.5本章小結(jié)(267)
17IBM認(rèn)知計算應(yīng)用(268)
17.1IBM的語言認(rèn)知系統(tǒng)(268)
17.1.1Watson的語言天賦(268)
17.1.2具有語言認(rèn)知智能的搜索引擎(269)
17.2IBM認(rèn)知系統(tǒng)在“極限挑戰(zhàn)”中的語言天賦(270)
17.2.1Watson養(yǎng)成記(270)
17.2.2“危險挑戰(zhàn)”對語言能力的要求(270)
17.2.3面向商業(yè)智能應(yīng)用的IBM認(rèn)知系統(tǒng)(271)
17.3IBM醫(yī)療認(rèn)知系統(tǒng)(272)
17.3.1Watson語言認(rèn)知在醫(yī)療領(lǐng)域的應(yīng)用(272)
17.3.2醫(yī)療認(rèn)知系統(tǒng)發(fā)展歷史(273)
17.4IBM Watson核心組件——“深度問答”(DeepQA)(274)
17.4.1Watson軟件架構(gòu)(274)
17.4.2DeepQA組件語言分析架構(gòu)(275)
17.4.3IBM認(rèn)知系統(tǒng)搜索引擎特點——對問題的語言分析(276)
17.5本章小結(jié)(282)
18醫(yī)療認(rèn)知系統(tǒng)(283)
18.1醫(yī)療認(rèn)知系統(tǒng)(283)
18.1.1概述(283)
18.1.2醫(yī)療數(shù)據(jù)的模式學(xué)習(xí)(284)
18.2基于大數(shù)據(jù)分析和認(rèn)知計算的認(rèn)知醫(yī)療系統(tǒng)(285)
18.2.1基于云計算的醫(yī)療服務(wù)系統(tǒng)架構(gòu)(285)
18.2.2基于大數(shù)據(jù)和認(rèn)知計算的高危病人智能分析系統(tǒng)(286)
18.3醫(yī)療認(rèn)知系統(tǒng)中結(jié)構(gòu)化數(shù)據(jù)分析(287)
18.3.1慢性疾病檢測問題(287)
18.3.2疾病檢測的預(yù)測分析模型(289)
18.3.3 5種疾病檢測機器學(xué)習(xí)方法的性能分析(293)
18.4醫(yī)療認(rèn)知系統(tǒng)中文本數(shù)據(jù)分析(296)
18.4.1疾病風(fēng)險評估模型(297)
18.4.2深度學(xué)習(xí)中的詞向量(297)
18.4.3卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(299)
18.4.4卷積神經(jīng)網(wǎng)絡(luò)進行醫(yī)療文本疾病風(fēng)險評估實現(xiàn)(299)
18.5醫(yī)療認(rèn)知系統(tǒng)中圖像分析(302)
18.5.1醫(yī)療圖像分析(302)
18.5.2卷積神經(jīng)網(wǎng)絡(luò)醫(yī)療圖像分析(303)
18.5.3自編碼醫(yī)療圖像分析(308)
18.5.4卷積自編碼醫(yī)療圖像分析(310)
18.6本章小結(jié)(315)
第六篇習(xí)題(316)
本篇參考文獻(xiàn)(318)
第七篇認(rèn)知計算前沿專題
195G認(rèn)知系統(tǒng)(322)
19.15G的演進(322)
19.1.1移動蜂窩核心網(wǎng)絡(luò)(322)
19.1.2移動設(shè)備和邊緣網(wǎng)絡(luò)(323)
19.1.35G驅(qū)動力(325)
19.25G關(guān)鍵性技術(shù)(326)
19.2.1網(wǎng)絡(luò)架構(gòu)設(shè)計(326)
19.2.25G網(wǎng)絡(luò)代表性服務(wù)(328)
19.2.3認(rèn)知計算在5G中的應(yīng)用(331)
19.35G認(rèn)知系統(tǒng)(332)
19.3.15G認(rèn)知系統(tǒng)的網(wǎng)絡(luò)架構(gòu)(332)
19.3.25G認(rèn)知系統(tǒng)的通信方式(333)
19.3.35G認(rèn)知系統(tǒng)的核心組件(333)
19.45G認(rèn)知系統(tǒng)的關(guān)鍵技術(shù)(334)
19.4.1無線接入網(wǎng)的關(guān)鍵技術(shù)(334)
19.4.2核心網(wǎng)的關(guān)鍵技術(shù)(335)
19.4.3認(rèn)知引擎的關(guān)鍵技術(shù)(335)
19.55G認(rèn)知系統(tǒng)的應(yīng)用(335)
19.5.15G認(rèn)知系統(tǒng)的應(yīng)用(335)
19.5.2認(rèn)知系統(tǒng)的應(yīng)用的分析(337)
19.6本章小結(jié)(337)
20情感認(rèn)知系統(tǒng)(338)
20.1情感認(rèn)知系統(tǒng)介紹(338)
20.1.1傳統(tǒng)人機交互系統(tǒng)介紹(338)
20.1.2NLOS人機交互系統(tǒng)介紹(339)
20.2情感通信關(guān)鍵技術(shù)(340)
20.3情感通信系統(tǒng)結(jié)構(gòu)(341)
20.4情感通信協(xié)議(343)
20.4.1對象(343)
20.4.2參數(shù)(344)
20.4.3通信指令集(344)
20.4.4通信過程(345)
20.4.5馬爾可夫狀態(tài)轉(zhuǎn)移(346)
20.5抱枕機器人語音情感通信系統(tǒng)(347)
20.5.1語音數(shù)據(jù)庫(347)
20.5.2移動云平臺介紹(348)
20.5.3場景測試(348)
20.5.4實時性分析(349)
20.6情感認(rèn)知應(yīng)用實例介紹(351)
20.6.1情感數(shù)據(jù)的采集與分析(351)
20.6.2基于抑郁檢測的情感認(rèn)知(355)
20.6.3基于焦慮檢測的情感認(rèn)知(356)
20.7本章小結(jié)(358)
21軟件定義網(wǎng)絡(luò)(359)
21.1認(rèn)知軟件定義網(wǎng)絡(luò)的由來(359)
21.1.1軟件定義網(wǎng)絡(luò)(359)
21.1.2由軟件定義網(wǎng)絡(luò)到認(rèn)知軟件定義網(wǎng)絡(luò)(361)
21.2認(rèn)知軟件定義網(wǎng)絡(luò)的架構(gòu)(363)
21.3廣義數(shù)據(jù)層(365)
21.3.1數(shù)據(jù)收集(365)
21.3.2轉(zhuǎn)發(fā)規(guī)則(365)
21.4認(rèn)知控制層(366)
21.5廣義應(yīng)用層(368)
21.6認(rèn)知軟件定義網(wǎng)絡(luò)特點(369)
21.6.1特點(370)
21.6.2關(guān)鍵組成(370)
21.7認(rèn)知軟件定義網(wǎng)絡(luò)的安全問題(371)
21.7.1安全需求與挑戰(zhàn)(372)
21.7.2安全問題概述(372)
21.8本章小結(jié)(375)
第七篇習(xí)題(375)
本篇參考文獻(xiàn)(377)