作品简介

类脑智能技术是当前国际重要的科技前沿,研究类脑智能技术对发展新型信息产业意义重大。本书介绍了一种新颖的类脑模型—大脑情感学习模型,并介绍了其学习算法、改进技术及应用。大脑情感学习模型根据哺乳动物大脑边缘系统的结构建立,在模拟生物智能行为上表现出了良好的自适应性能,模型结构简单,运算速度快。本书共9章,分为3篇:基础篇、改进篇和应用篇。基础篇主要介绍大脑情感学习模型的研究现状、神经生理学基础与学习算法;改进篇主要介绍大脑情感学习模型的改进技术,通过加入监督学习和竞争学习机制改进模型性能;应用篇主要介绍将改进的大脑情感学习模型用于混沌时间序列预测、疾病诊断、表情识别及人机情感交互等领域的例子。本书可以作为研究生、高校教师及工程技术人员的自学和参考用书,也适合对类脑模型研究感兴趣的研究人员和工程技术人员阅读。

梅英,湖南常德人,工学博士,控制科学与工程专业,现为湖南文理学院副教授。自二〇一九年起,先后赴国内外访学,英国北安普顿大学访问学者和湖南大学访问学者,目前主要研究方向为类脑智能、智能数据分析、智能机器人等。

作品目录

  • 内容简介
  • 前言
  • 第1篇 大脑情感学习模型基础篇
  • 第1章 大脑情感学习模型概述
  • 1.1 类脑智能
  • 1.2 大脑情感学习模型
  • 1.3 大脑情感学习模型的研究现状
  • 1.4 大脑情感学习模型的特点
  • 1.5 本章小结
  • 第2章 神经生理学基础
  • 2.1 大脑边缘系统
  • 2.2 大脑反射通路
  • 2.3 大脑神经网络结构
  • 2.4 大脑神经网络学习
  • 2.5 本章小结
  • 第3章 大脑情感学习算法
  • 3.1 强化学习
  • 3.2 大脑情感学习
  • 3.3 大脑情感学习模型权值调节
  • 3.4 稳定性分析
  • 3.5 大脑情感学习模型的局限性
  • 3.6 本章小结
  • 第2篇 大脑情感学习模型改进篇
  • 第4章 监督型大脑情感学习网络
  • 4.1 人工神经网络
  • 4.2 构建监督型大脑情感学习网络
  • 4.3 实验与分析
  • 4.4 本章小结
  • 第5章 竞争型大脑情感学习网络
  • 5.1 生物学基础
  • 5.2 “赢者通吃”竞争机制
  • 5.3 构建竞争型大脑情感学习网络
  • 5.4 实验与分析
  • 5.5 本章小结
  • 第3篇 大脑情感学习模型应用篇
  • 第6章 混沌时间序列预测
  • 6.1 数据预测步骤
  • 6.2 大脑情感学习预测模型
  • 6.3 自适应遗传算法优化
  • 6.4 预测仿真实验
  • 6.5 本章小结
  • 第7章 疾病诊断
  • 7.1 计算机辅助疾病诊断的步骤
  • 7.2 疾病诊断BEL网络
  • 7.3 模型优化
  • 7.4 实验与分析
  • 7.5 本章小结
  • 第8章 表情识别
  • 8.1 表情识别步骤
  • 8.2 表情识别网络
  • 8.3 粒子群算法优化
  • 8.4 实验与分析
  • 8.5 本章小结
  • 第9章 基于表情的人机情感交互
  • 9.1 面部表情合成方法
  • 9.2 表情合成要素
  • 9.3 纹理贴图
  • 9.4 人机情感交互
  • 9.5 本章小结
  • 总结与展望
  • 附录A
  • 参考文献
展开全部