編輯推薦:

內(nèi)容簡介:　　如果你想領(lǐng)略不確定性智能的魅力，如果你想知道在云計(jì)算和大數(shù)據(jù)時(shí)代不確定性人工智能的作為，《不確定性人工智能（第2版）》2007年入選國家自然科學(xué)類一百本原創(chuàng)圖書，此次再版，對不確定性人工智能進(jìn)行了更加嚴(yán)謹(jǐn)、更加深入、更加系統(tǒng)的闡述。你讀或者不讀，它就在你手里。
　　《不確定性人工智能（第2版）》可以有多種讀法：由前向后順序讀，或者按照索引由后向前找著讀，還可以快讀書中的重體字，然后再細(xì)讀。總之，可以淺讀，也可以深讀。

作者簡介:　　李德毅，1944年生于江蘇泰縣，1967年畢業(yè)于南京工學(xué)院，1983年獲英國愛丁堡Heriot—Watt大學(xué)博士學(xué)位，1999年當(dāng)選中國工程院院士。2003年當(dāng)選第十屆全國政協(xié)委員。2004年當(dāng)選國際歐亞科學(xué)院院士?，F(xiàn)任中國電子學(xué)會副理事長，中國人工智能學(xué)會副理事長，中國工程院信息與電子工程學(xué)部副主任，國家自然科學(xué)基金委員會重大項(xiàng)目研究組副組長，清華信息科學(xué)與技術(shù)國家實(shí)驗(yàn)室副理事長。國家軟件工程重點(diǎn)實(shí)驗(yàn)室學(xué)術(shù)委員會主任，博士生導(dǎo)師。研究員。出版專著4部，發(fā)表論文120多篇，培養(yǎng)博士、碩士研究生40多名。主要研究方向?yàn)橛?jì)算機(jī)工程與人工智能。杜鹢，1971年生于陜西武功縣，1993年畢業(yè)于解放軍通信工程學(xué)院，2000年獲解放軍理工大學(xué)軍事通信學(xué)博士學(xué)位，2005年獲國防大學(xué)軍事戰(zhàn)略學(xué)碩士學(xué)位。現(xiàn)為總參通信網(wǎng)絡(luò)技術(shù)管理中心高級工程師。出版專著2部，發(fā)表論文20余篇，獲得軍隊(duì)科技進(jìn)步獎多項(xiàng)。主要研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與人工智能。

目錄:第1章 面向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(dá)特茅斯會議談起
1.2.2 與時(shí)俱進(jìn)的研究目標(biāo)
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(lián)結(jié)主義方法
1.3.3 行為主義方法
1.4 人工智能的學(xué)科大交叉趨勢
1.4.1 腦科學(xué)與人工智能
1.4.2 認(rèn)知科學(xué)與人工智能
1.4.3 網(wǎng)絡(luò)科學(xué)與人工智能
1.4.4 學(xué)科交叉孕育人工智能大突破

第2章 定性定量轉(zhuǎn)換的認(rèn)知模型——云模型
2.1 不確定性人工智能研究的切人點(diǎn)
2.1.1 人類智能研究的多個(gè)切入點(diǎn)
2.1.2 抓住自然語言中的概念不放
2.1.3 概念中的隨機(jī)性和模糊性
2.2 用云模型表示概念的不確定性
2.2.1 云和云滴
2.2.2 云的數(shù)字特征
2.2.3 云模型的種類
2.3 正向高斯云算法
2.3.1 算法描述
2.3.2 云滴對概念的貢獻(xiàn)
2.3.3 用高斯云理解農(nóng)歷節(jié)氣
2.4 高斯云的數(shù)學(xué)性質(zhì)
2.4.1 云滴分布的統(tǒng)計(jì)分析
2.4.2 云滴確定度分布的統(tǒng)計(jì)分析
2.4.3 高斯云的期望曲線
2.4.4 從云到霧
2.5 逆向高斯云算法
2.5.1 算法描述
2.5.2 逆向高斯云的參數(shù)估計(jì)與誤差分析
2.6 進(jìn)一步理解云模型
2.6.1 射擊評判
2.6.2 帶有不確定性的分形
2.7 高斯云的普適性
2.7.1 高斯分布的普適性
2.7.2 鐘形隸屬函數(shù)的普遍性
2.7.3 高斯云的普遍意義

第3章 云變換
3.1 粒計(jì)算中的基本術(shù)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(shù)估計(jì)
3.2.2 高斯變換算法
3.3 高斯云變換
3.3.1 ，zL高斯變換到高斯云變換
3.3.2 啟發(fā)式高斯云變換
3.3.3 自適應(yīng)高斯云變換
3.3.4 多維高斯云變換
3.4 高斯云變換用于圖像分割
3.4.1 圖像中的過渡區(qū)發(fā)現(xiàn)
3.4.2 圖像中差異性目標(biāo)提取

第4章 數(shù)據(jù)場與拓?fù)鋭?
4.1 數(shù)據(jù)場
4.1.1 用場描述數(shù)據(jù)對象間的相互作用
4.1.2 從物理場到數(shù)據(jù)場
4.1.3 數(shù)據(jù)的勢場和力場
4.1.4 場函數(shù)中影響因子的選取
4.2 基于數(shù)據(jù)場的聚類
4.2.1 分類與聚類中的不確定性
4.2.2 用數(shù)據(jù)場實(shí)現(xiàn)動態(tài)聚類
4.2.3 用數(shù)據(jù)場實(shí)現(xiàn)人臉圖像的表情聚類
4.3 基于拓?fù)鋭莸膹?fù)雜網(wǎng)絡(luò)研究
4.3.1 從數(shù)據(jù)場到拓?fù)鋭?
4.3.2 用拓?fù)鋭莅l(fā)現(xiàn)網(wǎng)絡(luò)中重要節(jié)點(diǎn)
4.3.3 用拓?fù)鋭莅l(fā)現(xiàn)網(wǎng)絡(luò)社區(qū)
4.3.4 用拓?fù)鋭莅l(fā)現(xiàn)維基百科中的熱詞條

第5章 云推理與云控制
5.1 云推理
5.1.1 云模型構(gòu)造定性規(guī)則
5.1.2 規(guī)則集生成
5.2 云控制
5.2.1 云控制的機(jī)理
5.2.2 云控制對模糊控制的理論解釋
5.3 倒立擺中的不確定性控制
5.3.1 倒立擺及其控制
5.3.2 一級、二級倒立擺的定性控制機(jī)理
5.3.3 三級倒立擺的云控制策略
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制
5.4.1 汽車的智能駕駛
5.4.2 基于智能車輛的駕駛行為模擬

第6章 用認(rèn)知物理學(xué)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 涌現(xiàn)是群體行為的一種表現(xiàn)形態(tài)
6.2 云模型和數(shù)據(jù)場在群體智能研究中的應(yīng)用
6.2.1 用云模型表示個(gè)體行為的離散性
6.2.2 用數(shù)據(jù)場描述個(gè)體間的相互作用
6.3 典型案例：“掌聲響起來”
6.3.1 用云模型表示人的鼓掌行為
6.3.2 用數(shù)據(jù)場反映掌聲的相互傳播
6.3.3 “掌聲響起來”的計(jì)算模型
6.3.4 實(shí)驗(yàn)平臺
6.3.5 涌現(xiàn)的多樣性分析
6.3.6 帶引導(dǎo)的掌聲同步

第7章 云計(jì)算推動不確定性人工智能大發(fā)展
7.1 從云模型看模糊集合的貢獻(xiàn)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(jī)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(jì)算到云計(jì)算
7.2.1 超出圖靈機(jī)的云計(jì)算
7.2.2 云計(jì)算與云模型
7.2.3 游走在高斯和冪律分布之間的云模型
7.3 大數(shù)據(jù)呼喚不確定性人工智能
7.3.1 從數(shù)據(jù)庫到大數(shù)據(jù)
7.3.2 網(wǎng)絡(luò)交互和群體智能
7.4 不確定性人工智能展望
參考文獻(xiàn)
基金資助目錄
相關(guān)專利
索引
再版后記
附錄 不確定性人工智能理論與應(yīng)用學(xué)術(shù)沙龍——對話實(shí)錄