不确定性人工智能-(第2版)

第1章 面向不确定性的人工智能
1.1 人类智能的不确定性
1.1.1 不确定性的魅力
1.1.2 熵的世界
1.2 人工智能50年
1.2.1 从著名的达特茅斯会议谈起
1.2.2 与时俱进的研究目标
1.2.3 人工智能50年主要成就
1.3 人工智能研究的主要方法
1.3.1 符号主义方法
1.3.2 联结主义方法
1.3.3 行为主义方法
1.4 人工智能的学科大交叉趋势
1.4.1 脑科学与人工智能
1.4.2 认知科学与人工智能
1.4.3 网络科学与人工智能
1.4.4 学科交叉孕育人工智能大突破

第2章 定性定量转换的认知模型——云模型
2.1 不确定性人工智能研究的切人点
2.1.1 人类智能研究的多个切入点
2.1.2 抓住自然语言中的概念不放
2.1.3 概念中的随机性和模糊性
2.2 用云模型表示概念的不确定性
2.2.1 云和云滴
2.2.2 云的数字特征
2.2.3 云模型的种类
2.3 正向高斯云算法
2.3.1 算法描述
2.3.2 云滴对概念的贡献
2.3.3 用高斯云理解农历节气
2.4 高斯云的数学性质
2.4.1 云滴分布的统计分析
2.4.2 云滴确定度分布的统计分析
2.4.3 高斯云的期望曲线
2.4.4 从云到雾
2.5 逆向高斯云算法
2.5.1 算法描述
2.5.2 逆向高斯云的参数估计与误差分析
2.6 进一步理解云模型
2.6.1 射击评判
2.6.2 带有不确定性的分形
2.7 高斯云的普适性
2.7.1 高斯分布的普适性
2.7.2 钟形隶属函数的普遍性
2.7.3 高斯云的普遍意义

第3章 云变换
3.1 粒计算中的基本术语
3.1.1 尺度、层次和粒度
3.1.2 概念树和泛概念树
3.2 高斯变换
3.2.1 高斯变换参数估计
3.2.2 高斯变换算法
3.3 高斯云变换
3.3.1 ，zL高斯变换到高斯云变换
3.3.2 启发式高斯云变换
3.3.3 自适应高斯云变换
3.3.4 多维高斯云变换
3.4 高斯云变换用于图像分割
3.4.1 图像中的过渡区发现
3.4.2 图像中差异性目标提取

第4章 数据场与拓扑势
4.1 数据场
4.1.1 用场描述数据对象间的相互作用
4.1.2 从物理场到数据场
4.1.3 数据的势场和力场
4.1.4 场函数中影响因子的选取
4.2 基于数据场的聚类
4.2.1 分类与聚类中的不确定性
4.2.2 用数据场实现动态聚类
4.2.3 用数据场实现人脸图像的表情聚类
4.3 基于拓扑势的复杂网络研究
4.3.1 从数据场到拓扑势
4.3.2 用拓扑势发现网络中重要节点
4.3.3 用拓扑势发现网络社区
4.3.4 用拓扑势发现维基百科中的热词条

第5章 云推理与云控制
5.1 云推理
5.1.1 云模型构造定性规则
5.1.2 规则集生成
5.2 云控制
5.2.1 云控制的机理
5.2.2 云控制对模糊控制的理论解释
5.3 倒立摆中的不确定性控制
5.3.1 倒立摆及其控制
5.3.2 一级、二级倒立摆的定性控制机理
5.3.3 三级倒立摆的云控制策略
5.3.4 倒立摆的动平衡模式
5.4 智能驾驶中的不确定性控制
5.4.1 汽车的智能驾驶
5.4.2 基于智能车辆的驾驶行为模拟

第6章 用认知物理学方法研究群体智能
6.1 相互作用是群体智能的重要成因
6.1.1 群体智能
6.1.2 涌现是群体行为的一种表现形态
6.2 云模型和数据场在群体智能研究中的应用
6.2.1 用云模型表示个体行为的离散性
6.2.2 用数据场描述个体间的相互作用
6.3 典型案例：“掌声响起来”
6.3.1 用云模型表示人的鼓掌行为
6.3.2 用数据场反映掌声的相互传播
6.3.3 “掌声响起来”的计算模型
6.3.4 实验平台
6.3.5 涌现的多样性分析
6.3.6 带引导的掌声同步

第7章 云计算推动不确定性人工智能大发展
7.1 从云模型看模糊集合的贡献与局限
7.1.1 模糊逻辑似是而非的争论
7.1.2 模糊性对随机性的依赖性
7.1.3 从模糊推理到不确定性推理
7.2 从图灵计算到云计算
7.2.1 超出图灵机的云计算
7.2.2 云计算与云模型
7.2.3 游走在高斯和幂律分布之间的云模型
7.3 大数据呼唤不确定性人工智能
7.3.1 从数据库到大数据
7.3.2 网络交互和群体智能
7.4 不确定性人工智能展望
参考文献
基金资助目录
相关专利
索引
再版后记
附录 不确定性人工智能理论与应用学术沙龙——对话实录