關(guān)于我們
書單推薦
新書推薦
|
認(rèn)知計(jì)算導(dǎo)論
本書共七篇21章,介紹了認(rèn)知計(jì)算與物聯(lián)網(wǎng)、認(rèn)知計(jì)算與機(jī)器學(xué)習(xí)、認(rèn)知計(jì)算與大數(shù)據(jù)分析、認(rèn)知云計(jì)算、認(rèn)知計(jì)算與機(jī)器人技術(shù)、認(rèn)知計(jì)算應(yīng)用和認(rèn)知計(jì)算前沿專題等七個(gè)方面的內(nèi)容,全面研究了認(rèn)知計(jì)算與當(dāng)前各前沿研究領(lǐng)域的結(jié)合及應(yīng)用,全面概括了認(rèn)知計(jì)算這一全新概念在當(dāng)前科技領(lǐng)域研究的重要性。本書可以作為取代《物聯(lián)網(wǎng)導(dǎo)論》之類教材的全新教材,可以供計(jì)算機(jī)專業(yè)、物聯(lián)網(wǎng)專業(yè)及相關(guān)專業(yè)的本科生、研究生使用,也可供相關(guān)專業(yè)技術(shù)人員使用。
適讀人群 :本書可作為語言學(xué)、心理學(xué)、人工智能、哲學(xué)、神經(jīng)科學(xué)和人類學(xué)等多個(gè)交叉學(xué)科本科生或研究生的教材或參考書,也可供相關(guān)專業(yè)工程人員參考。
編輯推薦:《認(rèn)知計(jì)算導(dǎo)論》帶你探索計(jì)算機(jī)“認(rèn)知大腦”的奧秘和潛能。全書從認(rèn)知計(jì)算的演進(jìn)過程出發(fā),詳細(xì)討論了認(rèn)知計(jì)算變遷過程中從終端到網(wǎng)絡(luò)到云的一系列關(guān)鍵技術(shù)和實(shí)用算法,幫助我們認(rèn)識(shí)認(rèn)知計(jì)算的本質(zhì),以及構(gòu)建面向用戶需求的認(rèn)知計(jì)算應(yīng)用系統(tǒng)。讓我們深入全書,跟隨作者思想的火花領(lǐng)略認(rèn)知計(jì)算的魅力。
一、 從認(rèn)知科學(xué)到認(rèn)知計(jì)算20世紀(jì)中后期,行為主義思潮逐漸衰落,伴隨著語言學(xué)、信息論和數(shù)據(jù)科學(xué)的興起,以及計(jì)算機(jī)技術(shù)的飛速發(fā)展與普及,引發(fā)了一場聲勢浩大且令人深思的認(rèn)知革命,隨之產(chǎn)生了認(rèn)知科學(xué)(Cognitive Science)。認(rèn)知科學(xué)是一門研究信息如何在大腦中流轉(zhuǎn)及處理的跨領(lǐng)域?qū)W科。從事認(rèn)知科學(xué)研究的科學(xué)家們通過對(duì)包括語言、感知、記憶、注意力、推理和情感等方面的觀察,來探尋人的心智能力。人類的認(rèn)知過程主要體現(xiàn)在以下兩個(gè)階段。首先,人們通過五官、皮膚等人體自身的感知器官來覺察周圍物理環(huán)境,獲得外部信息作為輸入。其次,輸入信息經(jīng)神經(jīng)傳輸至大腦進(jìn)行存儲(chǔ)、分析、學(xué)習(xí)等復(fù)雜處理,并將處理結(jié)果通過神經(jīng)系統(tǒng)反饋給身體的各個(gè)部位,由各部位做出適當(dāng)?shù)男袨榉磻?yīng),由此形成一個(gè)完整的涵蓋決策和執(zhí)行過程的閉環(huán)。因此,新生兒在認(rèn)知世界的過程中需要不斷同外部世界進(jìn)行交流溝通,以獲取外部環(huán)境的各種信息,同時(shí)利用所獲取的信息以及動(dòng)作反饋逐步建立自身的認(rèn)知系統(tǒng)。由于認(rèn)知系統(tǒng)具有極高的復(fù)雜性,所以認(rèn)知科學(xué)需要運(yùn)用包含多門學(xué)科的工具和方法來對(duì)認(rèn)知系統(tǒng)進(jìn)行多維度和全方位的深入研究。因而,認(rèn)知科學(xué)橫跨了語言學(xué)、心理學(xué)、人工智能、哲學(xué)、神經(jīng)科學(xué)和人類學(xué)等多個(gè)交叉學(xué)科和研究領(lǐng)域。可以說,迄今為止人們?cè)谡J(rèn)知科學(xué)領(lǐng)域所取得的成就,與其跨學(xué)科的研究方法是密切相關(guān)的。近年來,隨著計(jì)算機(jī)軟硬件技術(shù)的高速發(fā)展、大數(shù)據(jù)時(shí)代的來臨以及人工智能研究的興起,認(rèn)知計(jì)算逐漸成為人們關(guān)注的焦點(diǎn)
陳敏,華中科技大學(xué)計(jì)算機(jī)學(xué)院教授、博導(dǎo),嵌入與普適計(jì)算實(shí)驗(yàn)室主任,2012年入選國家第二批"青年千人計(jì)劃"。二十三歲獲博士學(xué)位。曾先后任國立漢城大學(xué)和加拿大不列顛哥倫比亞大學(xué)博士后、韓國首爾大學(xué)助理教授。2011年入選教育部“新世紀(jì)優(yōu)秀人才支持計(jì)劃”。
陳敏教授主要從事認(rèn)知計(jì)算、物聯(lián)網(wǎng)感知、情感計(jì)算通信和機(jī)器人技術(shù)、5G網(wǎng)絡(luò)、軟件定義網(wǎng)絡(luò)、醫(yī)療大數(shù)據(jù)、人體局域網(wǎng)等領(lǐng)域的研究工作。在國際學(xué)術(shù)期刊和會(huì)議上發(fā)表論文200余篇,發(fā)表論文谷歌學(xué)術(shù)引用總數(shù)超過9000次,H-index = 48,SCI他引次數(shù)超過2500次。擔(dān)任IEEE計(jì)算機(jī)協(xié)會(huì)大數(shù)據(jù)技術(shù)委員會(huì)主席。獲IEEE ICC 2012、IEEE IWCMC 2016等國際大會(huì)zui佳論文獎(jiǎng)。榮獲 2017 年度 IEEE通信學(xué)會(huì)Fred W. Ellersick Prize。
第一篇認(rèn)知計(jì)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(diǎn)(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(shí)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(jìn)(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(tái)(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(jī)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(jī)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(píng)價(jià)(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(jì)算導(dǎo)論目錄第二篇認(rèn)知計(jì)算與機(jī)器學(xué)習(xí)
4機(jī)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(jī)器學(xué)習(xí)算法(57)
4.4無監(jiān)督的機(jī)器學(xué)習(xí)算法(58)
4.5本章小結(jié)(58)
5機(jī)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(jī)(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(jī)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(jī)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(qiáng)學(xué)習(xí)以及表示學(xué)習(xí)(89)
6.2選擇合適的機(jī)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(jì)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(jì)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(dòng)認(rèn)知計(jì)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(jì)算相關(guān)介紹(113)
7.2.1認(rèn)知計(jì)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(jì)學(xué)、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系(115)
7.3.2在分析過程中使用機(jī)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(shí)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(jī)(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(jì)算
11云端認(rèn)知計(jì)算(162)
11.1云端認(rèn)知計(jì)算(162)
11.1.1利用分布式計(jì)算共享資源(162)
11.1.2云計(jì)算是智能認(rèn)知服務(wù)的基礎(chǔ)(162)
11.1.3云計(jì)算的特點(diǎn)(163)
11.1.4云計(jì)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(jì)算的云編程與編程工具(172)
12.1可拓展并行計(jì)算(172)
12.1.1可拓展計(jì)算的特點(diǎn)(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(jì)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(kuò)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(jī)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(shí)時(shí)數(shù)據(jù)流的Spark Streaming(195)
12.4.3用于機(jī)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(jī)器學(xué)習(xí)系統(tǒng)中數(shù)據(jù)流圖(205)
13.3圖像識(shí)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(jì)算與機(jī)器人技術(shù)
14基于機(jī)器人技術(shù)的認(rèn)知系統(tǒng)(212)
14.1機(jī)器人系統(tǒng)(212)
14.1.1機(jī)器人發(fā)展歷程(212)
14.1.2機(jī)器人分類(213)
14.1.3機(jī)器人技術(shù)發(fā)展核心(217)
14.1.4機(jī)器人的未來(218)
14.2認(rèn)知系統(tǒng)(218)
14.2.1認(rèn)知計(jì)算(219)
14.2.2基于認(rèn)知計(jì)算的認(rèn)知系統(tǒng)(220)
14.2.3機(jī)器人與認(rèn)知系統(tǒng)的融合(220)
14.2.4基于認(rèn)知計(jì)算的多機(jī)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(jī)器人認(rèn)知能力的工業(yè)4.0(225)
14.3.2基于機(jī)器人的情感交互(226)
14.4本章小結(jié)(228)
15機(jī)器人的認(rèn)知智能(229)
15.1機(jī)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(jī)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(jī)器人(231)
15.1.4機(jī)器人通信技術(shù)(232)
15.2具有認(rèn)知智能的機(jī)器人的體系架構(gòu)(232)
15.2.1機(jī)器人系統(tǒng)架構(gòu)(232)
15.2.2機(jī)器人硬件架構(gòu)(234)
15.2.3軟件開發(fā)平臺(tái)(236)
15.2.4機(jī)器人底層控制軟件實(shí)現(xiàn)(236)
15.2.5機(jī)器人應(yīng)用軟件實(shí)現(xiàn)(238)
15.2.6總結(jié)(241)
15.3認(rèn)知智能機(jī)器人的重要意義及發(fā)展趨勢(242)
15.3.1發(fā)展智能機(jī)器人的重要性(242)
15.3.2智能機(jī)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(jī)器人的應(yīng)用與發(fā)展(244)
15.4.1情感交互機(jī)器人(244)
15.4.2智能家居(245)
15.4.3其他智能機(jī)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(jì)算應(yīng)用
16Google認(rèn)知計(jì)算應(yīng)用(254)
16.1DeepMind的AI程序(254)
16.2深度增強(qiáng)學(xué)習(xí)算法(255)
16.3機(jī)器人玩Flappybird(257)
16.4使用深度增強(qiáng)學(xué)習(xí)的AlphaGo(263)
16.5本章小結(jié)(267)
17IBM認(rèn)知計(jì)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(xiǎn)挑戰(zhàn)”對(duì)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(diǎn)——對(duì)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(jì)算的認(rèn)知醫(yī)療系統(tǒng)(285)
18.2.1基于云計(jì)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(jì)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(jī)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(xiǎn)評(píng)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(jìn)行醫(yī)療文本疾病風(fēng)險(xiǎn)評(píng)估實(shí)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(jì)算前沿專題
195G認(rèn)知系統(tǒng)(322)
19.15G的演進(jìn)(322)
19.1.1移動(dòng)蜂窩核心網(wǎng)絡(luò)(322)
19.1.2移動(dòng)設(shè)備和邊緣網(wǎng)絡(luò)(323)
19.1.35G驅(qū)動(dòng)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(jì)(326)
19.2.25G網(wǎng)絡(luò)代表性服務(wù)(328)
19.2.3認(rèn)知計(jì)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(jī)交互系統(tǒng)介紹(338)
20.1.2NLOS人機(jī)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(duì)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(jī)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(dòng)云平臺(tái)介紹(348)
20.5.3場景測試(348)
20.5.4實(shí)時(shí)性分析(349)
20.6情感認(rèn)知應(yīng)用實(shí)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(diǎn)(369)
21.6.1特點(diǎn)(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)
你還可能感興趣
我要評(píng)論
|