×
暂无评论
图文详情
  • ISBN:9787576712490
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:142
  • 出版时间:2024-01-01
  • 条形码:9787576712490 ; 978-7-5767-1249-0

内容简介

本书从视觉角度出发,聚焦算术逻辑、布尔逻辑、抽象推理、序列逻辑、跨阶逻辑、广义布尔逻辑检索等逻辑学习问题,从逻辑的可学习性、系统性验证和应用三个层次对数据驱动的视觉逻辑模式发现方法展开了相关研究,致力于使机器具有逻辑推理能力,从而推动人工智能的发展。

目录

节 问题描述 节 逻辑系统及其推理表示 第三节 逻辑可以从图像中学p> 第四节 代表深度神经网络的有效研究与分析 第五节 面向复杂逻辑任务的分治模型 第六节 本章小结 第三章 面向抽象推理的多粒度多尺度关系学 节 问题描述 节 Fashion非降路径数据集 第三节 多粒度多尺度关系网络 第四节 有效研究与分析 第五节 本章小结 第四章 面向序列逻辑的自适应加权学 节 问题描述 节 序列逻辑任务 第三节 自适应加权网络 第四节 有效研究与分析 第五节 本章小结 第五章 面向跨阶逻辑的粒化逻辑推理学 节 问题描述 节 逻辑学 第三节 逻辑推理机在Fashion-Logic任务上的推理能力 第四节 逻辑推理机是否适用于大规模数据和跨阶逻辑任务 第五节 粒化逻辑推理网络 第六节 粒化逻辑推理网络在跨阶逻辑任务上的有效研究与分析 第七节 本章小结 第六章 面向内嵌图像语义广义布尔逻辑检索的多元逻辑融合学 节 问题描述 节 多元逻辑融合网络 第三节 有效研究与分析 第四节 本章小结 第七章 结论及展望 参考文献
展开全部

作者简介

郭倩,博士毕业于山西大学,师从钱字华教授,现为太原科技大学讲师、硕士生导师。长期从事逻辑学习、多模态融合等研究,相关成果发表于IEEE Transactions on Pattern Analysisand Machine Intelligence、IEEE Transactions onEvolutionary Computation、International Journal ofApproximateReasoning、International Journal of Machine Learning and Cybernetics、 Association for the Advancement of Artificial Intelligence和《模式识别与人工智能》等国内外重要期刊上,主持参与国家级项目、省部级项目多项,授权发明专利2项。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航