认知计算导论2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

认知计算导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 认知计算与物联网2

1认知数据的采集2

1.1认知数据的特点2

1.1.1认知数据的定义2

1.1.2数据流量、多样性、速度、真实性和变化性3

1.1.3结构化数据和非结构化数据4

1.1.4认知数据的采集与预处理5

1.2物联网感知8

1.2.1物联网的演进8

1.2.2物联网使能技术及发展路线图13

1.2.3物联网感知技术15

1.3物联网发展现状17

1.3.1物联网的分层架构17

1.3.2典型的物联网平台19

1.4群智感知22

1.4.1群智感知的定义22

1.4.2群智感知的起源23

1.4.3基于群智感知的数据采集24

1.5本章小结24

2认知触觉网络25

2.1触觉与认知25

2.1.1什么是触觉25

2.1.2触觉传感技术26

2.1.3由触觉形成的认知28

2.2认知触觉网络29

2.2.1认知触觉网络概述29

2.2.2认知触觉网络优化30

2.2.3基于认知触觉的行为预测32

2.3认知触觉网络的典型应用33

2.3.1机器人通信与控制33

2.3.2远程医疗应用37

2.4本章小结38

3语料库和自然语言处理39

3.1构建语料库39

3.1.1语料库概述39

3.1.2基于语料库的语言认知41

3.2自然语言处理41

3.2.1自然语言处理的历史41

3.2.2词法分析42

3.2.3语法和句法分析42

3.2.4语法结构43

3.2.5话语分析43

3.2.6机器理解文本NLP技术43

3.3词向量44

3.3.1概述45

3.3.2训练词向量45

3.3.3词向量的语言学评价46

3.3.4词向量的应用47

3.4本章小结48

第一篇 习题48

本篇参考文献50

第二篇 认知计算与机器学习54

4机器学习概述54

4.1根据学习方式分类54

4.2根据算法功能分类55

4.3有监督的机器学习算法57

4.4无监督的机器学习算法58

4.5本章小结58

5机器学习主要算法60

5.1决策树60

5.2基于规则的分类63

5.3最近邻分类65

5.4支持向量机67

5.4.1线性决策边界67

5.4.2最大边缘超平面的定义68

5.4.3 SVM模型69

5.5朴素贝叶斯69

5.6随机森林72

5.7聚类分析76

5.7.1基于相似度的聚类分析76

5.7.2聚类方法介绍77

5.8本章小结84

6面向大数据分析的机器学习算法85

6.1降维算法和其他相关算法85

6.1.1降维方法85

6.1.2主成分分析法86

6.1.3半监督学习和增强学习以及表示学习89

6.2选择合适的机器学习算法91

6.2.1性能指标和模型拟合情况92

6.2.2避免过拟合现象94

6.2.3避免欠拟合现象96

6.2.4选择合适的算法98

6.3本章小结99

第二篇 习题99

本篇参考文献102

第三篇 认知计算与大数据分析106

7认知大数据分析106

7.1大数据和认知计算的关系106

7.1.1处理人类产生的数据106

7.1.2驱动认知计算的关键技术108

7.1.3 5G网络111

7.1.4大数据分析112

7.2认知计算相关介绍113

7.2.1认知计算的系统特征113

7.2.2认知学习的应用114

7.3认知分析115

7.3.1统计学、数据挖掘与机器学习的关系115

7.3.2在分析过程中使用机器学习116

7.4本章小节119

8深度学习在认知系统中的应用120

8.1认知系统和深度学习120

8.2深度学习和浅层学习121

8.3深度学习模仿人的感知122

8.4深度学习模仿人类直觉124

8.5深度学习实现步骤125

8.6本章小结126

9人工神经网络与深信念网络127

9.1人工神经网络127

9.1.1感知器127

9.1.2多层人工神经网络128

9.1.3人工神经网络前向传播和后向传播129

9.1.4梯度下降法拟合参数133

9.2堆叠自编码和深信念网络134

9.2.1自编码器134

9.2.2堆叠自编码器137

9.2.3限制波兹曼机138

9.2.4深信念网络143

9.3本章小结144

10卷积神经网络与其他神经网络145

10.1 CNN中的卷积操作145

10.2池化148

10.3训练卷积神经网络150

10.4其他深度学习神经网络151

10.4.1深度神经网络的连接性152

10.4.2递归神经网络152

10.4.3不同神经网络的输入和输出的关系153

10.4.4结构递归深度神经网络结构154

10.4.5其他深度学习神经网络154

10.5本章小结155

第三篇 习题155

本篇参考文献157

第四篇 认知云计算162

11云端认知计算162

11.1云端认知计算162

11.1.1利用分布式计算共享资源162

11.1.2云计算是智能认知服务的基础162

11.1.3云计算的特点163

11.1.4云计算模型163

11.1.5云交付模型167

11.1.6工作负载管理168

11.1.7安全和治理169

11.1.8云数据集成和管理169

11.1.9云端认知学习工具包简介170

11.2本章小结171

12面向认知计算的云编程与编程工具172

12.1可拓展并行计算172

12.1.1可拓展计算的特点172

12.1.2从MapReduce到Hadoop和Spark173

12.1.3常用的大数据处理软件库174

12.2 YARN、HDFS与Hadoop编程175

12.2.1 MapReduce计算引擎175

12.2.2 MapReduce在矩阵并行算法中的应用179

12.2.3 Hadoop架构和扩展181

12.2.4 Hadoop分布式文件系统（HDFS）184

12.2.5 Hadoop YARN资源管理186

12.3 Spark核心和分布式弹性数据集188

12.3.1 Spark核心应用188

12.3.2弹性分布式数据集中的关键概念189

12.3.3 Spark中RDD和DAG tasks编程191

12.4 Spark SQL、流处理、机器学习和GraphX编程193

12.4.1结构化数据Spark SQL194

12.4.2使用实时数据流的Spark Streaming195

12.4.3用于机器学习的Spark MLlib Library196

12.4.4图像处理框架Spark GraphX197

12.5本章小结199

13 TensorFlow200

13.1 TensorFlow的发展200

13.2 TensorFlow基本概念和Data Flow Graph模型201

13.2.1 TensorFlow基本概念201

13.2.2 Data Flow Graph模型203

13.2.3机器学习系统中数据流图205

13.3图像识别系统中TensorFlow的使用206

13.4本章小结209

第四篇 习题209

本篇参考文献210

第五篇 认知计算与机器人技术212

14基于机器人技术的认知系统212

14.1机器人系统212

14.1.1机器人发展历程212

14.1.2机器人分类213

14.1.3机器人技术发展核心217

14.1.4机器人的未来218

14.2认知系统218

14.2.1认知计算219

14.2.2基于认知计算的认知系统220

14.2.3机器人与认知系统的融合220

14.2.4基于认知计算的多机器人协作的情感交互221

14.3典型应用225

14.3.1基于机器人认知能力的工业4.0.225

14.3.2基于机器人的情感交互226

14.4本章小结228

15机器人的认知智能229

15.1机器人认知智能支撑技术229

15.1.1传感器等感知技术的发展229

15.1.2大数据、机器学习和深度学习等数据处理技术的发展230

15.1.3云机器人231

15.1.4机器人通信技术232

15.2具有认知智能的机器人的体系架构232

15.2.1机器人系统架构232

15.2.2机器人硬件架构234

15.2.3软件开发平台236

15.2.4机器人底层控制软件实现236

15.2.5机器人应用软件实现238

15.2.6总结241

15.3认知智能机器人的重要意义及发展趋势242

15.3.1发展智能机器人的重要性242

15.3.2智能机器人的发展方向242

15.3.3总结244

15.4当前认知智能机器人的应用与发展244

15.4.1情感交互机器人244

15.4.2智能家居245

15.4.3其他智能机器人246

15.5本章小结248

第五篇 习题249

本篇参考文献251

第六篇 认知计算应用254

16 Google认知计算应用254

16.1 DeepMind的AI程序254

16.2深度增强学习算法255

16.3机器人玩Flappybird257

16.4使用深度增强学习的AlphaGo263

16.5本章小结267

17 IBM认知计算应用268

17.1 IBM的语言认知系统268

17.1.1 Watson的语言天赋268

17.1.2具有语言认知智能的搜索引擎269

17.2 IBM认知系统在“极限挑战”中的语言天赋270

17.2.1 Watson养成记270

17.2.2“危险挑战”对语言能力的要求270

17.2.3面向商业智能应用的IBM认知系统271

17.3 IBM医疗认知系统272

17.3.1 Watson语言认知在医疗领域的应用272

17.3.2医疗认知系统发展历史273

17.4 IBM Watson核心组件——“深度问答”（DeepQA）274

17.4.1 Watson软件架构274

17.4.2 DeepQA组件语言分析架构275

17.4.3 IBM认知系统搜索引擎特点——对问题的语言分析276

17.5本章小结282

18医疗认知系统283

18.1医疗认知系统283

18.1.1概述283

18.1.2医疗数据的模式学习284

18.2基于大数据分析和认知计算的认知医疗系统285

18.2.1基于云计算的医疗服务系统架构285

18.2.2基于大数据和认知计算的高危病人智能分析系统286

18.3医疗认知系统中结构化数据分析287

18.3.1慢性疾病检测问题287

18.3.2疾病检测的预测分析模型289

18.3.3 5种疾病检测机器学习方法的性能分析293

18.4医疗认知系统中文本数据分析296

18.4.1疾病风险评估模型297

18.4.2深度学习中的词向量297

18.4.3卷积神经网络结构299

18.4.4卷积神经网络进行医疗文本疾病风险评估实现299

18.5医疗认知系统中图像分析302

18.5.1医疗图像分析302

18.5.2卷积神经网络医疗图像分析303

18.5.3自编码医疗图像分析308

18.5.4卷积自编码医疗图像分析310

18.6本章小结315

第六篇 习题316

本篇参考文献318

第七篇 认知计算前沿专题322

19 5G认知系统322

19.1 5G的演进322

19.1.1移动蜂窝核心网络322

19.1.2移动设备和边缘网络323

19.1.3 5G驱动力325

19.2 5G关键性技术326

19.2.1网络架构设计326

19.2.2 5G网络代表性服务328

19.2.3认知计算在5G中的应用331

19.3 5G认知系统332

19.3.1 5G认知系统的网络架构332

19.3.2 5G认知系统的通信方式333

19.3.3 5G认知系统的核心组件333

19.4 5G认知系统的关键技术334

19.4.1无线接入网的关键技术334

19.4.2核心网的关键技术335

19.4.3认知引擎的关键技术335

19.5 5G认知系统的应用335

19.5.1 5G认知系统的应用335

19.5.2认知系统的应用的分析337

19.6本章小结337

20情感认知系统338

20.1情感认知系统介绍338

20.1.1传统人机交互系统介绍338

20.1.2 NLOS人机交互系统介绍339

20.2情感通信关键技术340

20.3情感通信系统结构341

20.4情感通信协议343

20.4.1对象343

20.4.2参数344

20.4.3通信指令集344

20.4.4通信过程345

20.4.5马尔可夫状态转移346

20.5抱枕机器人语音情感通信系统347

20.5.1语音数据库347

20.5.2移动云平台介绍348

20.5.3场景测试348

20.5.4实时性分析349

20.6情感认知应用实例介绍351

20.6.1情感数据的采集与分析351

20.6.2基于抑郁检测的情感认知355

20.6.3基于焦虑检测的情感认知356

20.7本章小结358

21软件定义网络359

21.1认知软件定义网络的由来359

21.1.1软件定义网络359

21.1.2由软件定义网络到认知软件定义网络361

21.2认知软件定义网络的架构363

21.3广义数据层365

21.3.1数据收集365

21.3.2转发规则365

21.4认知控制层366

21.5广义应用层368

21.6认知软件定义网络特点369

21.6.1特点370

21.6.2关键组成370

21.7认知软件定义网络的安全问题371

21.7.1安全需求与挑战372

21.7.2安全问题概述372

21.8本章小结375

第七篇 习题375

本篇参考文献377