第1章麵嚮不確定性的人工智能
1.1人類智能的不確定性
1.1.1不確定性的魅力
1.1.2熵的世界
1.2人工智能50年
1.2.1從著名的達特茅斯會議談起
1.2.2與時俱進的研究目標
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符號主義方法
1.3.2聯結主義方法
1.3.3行為主義方法
1.4人工智能的學科大交叉趨勢
1.4.1腦科學與人工智能
1.4.2認知科學與人工智能
1.4.3網絡科學與人工智能
1.4.4學科交叉孕育人工智能大突破
第2章定性定量轉換的認知模型——雲模型
2.1不確定性人工智能研究的切入點
2.1.1人類智能研究的多個切入點
2.1.2抓住自然語言中的概念不放
2.1.3概念中的隨機性和模糊性
2.2用雲模型錶示概念的不確定性
2.2.1雲和雲滴
2.2.2雲的數字特徵
2.2.3雲模型的種類
2.3正嚮高斯雲算法
2.3.1算法描述
2.3.2雲滴對概念的貢獻
2.3.3用高斯雲理解農曆節氣
2.4高斯雲的數學性質
2.4.1雲滴分布的統計分析
2.4.2雲滴確定度分布的統計分析
2.4.3高斯雲的期望麯綫
2.4.4從雲到霧
2.5逆嚮高斯雲算法
2.5.1算法描述
2.5.2逆嚮高斯雲的參數估計與誤差分析
2.6進一步理解雲模型
2.6.1射擊評判
2.6.2帶有不確定性的分形
2.7高斯雲的普適性
2.7.1高斯分布的普適性
2.7.2鍾形隸屬函數的普遍性
2.7.3高斯雲的普遍意義
第3章雲變換
3.1粒計算中的基本術語
3.1.1尺度、層次和粒度
3.1.2概念樹和泛概念樹
3.2高斯變換
3.2.1高斯變換參數估計
3.2.2高斯變換算法
3.3高斯雲變換
3.3.1從高斯變換到高斯雲變換
3.3.2啓發式高斯雲變換
3.3.3自適應高斯雲變換
3.3.4多維高斯雲變換
3.4高斯雲變換用於圖像分割
3.4.1圖像中的過渡區發現
3.4.2圖像中差異性目標提取
第4章數據場與拓撲勢
4.1數據場
4.1.1用場描述數據對象間的相互作用
4.1.2從物理場到數據場
4.1.3數據的勢場和力場
4.1.4場函數中影響因子的選取
4.2基於數據場的聚類
4.2.1分類與聚類中的不確定性
4.2.2用數據場實現動態聚類
4.2.3用數據場實現人臉圖像的錶情聚類
4.3基於拓撲勢的復雜網絡研究
4.3.1從數據場到拓撲勢
4.3.2用拓撲勢發現網絡中重要節點
4.3.3用拓撲勢發現網絡社區
4.3.4用拓撲勢發現維基百科中的熱詞條
第5章雲推理與雲控製
5.1雲推理
5.1.1雲模型構造定性規則
5.1.2規則集生成
5.2雲控製
5.2.1雲控製的機理
5.2.2雲控製對模糊控製的理論解釋
5.3倒立擺中的不確定性控製
5.3.1倒立擺及其控製
5.3.2一級、二級倒立擺的定性控製機理
5.3.3三級倒立擺的雲控製策略
5.3.4倒立擺的動平衡模式
5.4智能駕駛中的不確定性控製
5.4.1汽車的智能駕駛
5.4.2基於智能車輛的駕駛行為模擬
第6章用認知物理學方法研究群體智能
6.1相互作用是群體智能的重要成因
6.1.1群體智能
6.1.2湧現是群體行為的一種錶現形態
6.2雲模型和數據場在群體智能研究中的應用
6.2.1用雲模型錶示個體行為的離散性
6.2.2用數據場描述個體間的相互作用
6.3典型案例：“掌聲響起來”
6.3.1用雲模型錶示人的鼓掌行為
6.3.2用數據場反映掌聲的相互傳播
6.3.3“掌聲響起來”的計算模型
6.3.4實驗平颱
6.3.5湧現的多樣性分析
6.3.6帶引導的掌聲同步
第7章雲計算推動不確定性人工智能大發展
7.1從雲模型看模糊集閤的貢獻與局限
7.1.1模糊邏輯似是而非的爭論
7.1.2模糊性對隨機性的依賴性
7.1.3從模糊推理到不確定性推理
7.2從圖靈計算到雲計算
7.2.1超齣圖靈機的雲計算
7.2.2雲計算與雲模型
7.2.3遊走在高斯和冪律分布之間的雲模型
7.3大數據呼喚不確定性人工智能
7.3.1從數據庫到大數據
7.3.2網絡交互和群體智能
7.4不確定性人工智能展望
參考文獻
基金資助目錄
相關專利
索引
再版後記
附錄不確定性人工智能理論與應用學術沙龍——對話實錄
· · · · · · (收起)