类脑智能——大脑情感学习模型的应用研究

图书标准信息

• 作者 梅英
• 出版社 电子工业出版社
• 出版时间 2023-04
• 版次 1
• ISBN 9787121453274
• 定价 42.00元
• 装帧 其他
• 开本 16开
• 页数 132页
• 字数 167千字

【内容简介】

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。

【作者简介】

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。

【目录】

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2

1.1  类脑智能2

1.2  大脑情感学习模型4

1.3  大脑情感学习模型的研究现状5

1.3.1  智能控制应用5

1.3.2  数据分析应用7

1.4  大脑情感学习模型的特点8

1.5  本章小结8

第2章  神经生理学基础9

2.1  大脑边缘系统9

2.2  大脑反射通路11

2.3  大脑神经网络结构11

2.4  大脑神经网络学习13

2.5  本章小结14

第3章  大脑情感学习算法15

3.1  强化学习15

3.2  大脑情感学习16

3.3  大脑情感学习模型权值调节18

3.3.1  杏仁体权值调节18

3.3.2  眶额皮质权值调节19

3.4  稳定性分析19

3.4.1  杏仁体稳定性分析20

3.4.2  眶额皮质稳定性分析20

3.5  大脑情感学习模型的局限性20

3.6  本章小结22

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24

4.1  人工神经网络24

4.1.1  人工神经元24

4.1.2  人工神经网络分类26

4.1.3  人工神经网络学习方式27

4.2  构建监督型大脑情感学习网络29

4.2.1  SBEL网络结构29

4.2.2  SBEL算法30

4.2.3  SBEL算法流程32

4.3  实验与分析33

4.3.1  数据集与预处理33

4.3.2  分类性能评价34

4.3.3  实验结果36

4.3.4  比较与分析39

4.4  本章小结40

第5章  竞争型大脑情感学习网络41

5.1  生物学基础41

5.2  “赢者通吃”竞争机制42

5.3  构建竞争型大脑情感学习网络43

5.3.1  CBEL网络结构43

5.3.2  CBEL算法44

5.3.3  CBEL算法流程45

5.4  实验与分析45

5.4.1  实验设置46

5.4.2  实验结果46

5.4.3  比较与分析49

5.5  本章小结50

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52

6.1  数据预测步骤52

6.2  大脑情感学习预测模型54

6.3  自适应遗传算法优化56

6.3.1  染色体编码56

6.3.2  适应度函数57

6.3.3  遗传算子57

6.3.4  AGA-BEL算法步骤58

6.4  预测仿真实验58

6.4.1  Lorenz混沌时间序列预测58

6.4.2  磁暴环电流指数Dst预测63

6.5  本章小结69

第7章  疾病诊断70

7.1  计算机辅助疾病诊断的步骤71

7.2  疾病诊断BEL网络72

7.2.1  网络结构72

7.2.2  算法72

7.3  模型优化74

7.3.1  改进的自适应遗传算法74

7.3.2  遗传操作75

7.3.3  IAGA-SBEL算法步骤77

7.4  实验与分析78

7.4.1  乳腺癌诊断78

7.4.2  心脏病诊断82

7.4.3  淋巴疾病诊断84

7.5  本章小结86

第8章  表情识别87

8.1  表情识别步骤88

8.1.1  人脸检测与预处理88

8.1.2  表情特征提取88

8.1.3  表情分类89

8.2  表情识别网络91

8.3  粒子群算法优化93

8.3.1  改进粒子群算法93

8.3.2  优化操作95

8.3.3  IPSO-CBEL算法步骤96

8.4  实验与分析97

8.4.1  JAFFE表情识别98

8.4.2  Cohn-Kanade表情识别101

8.5  本章小结105

第9章  基于表情的人机情感交互106

9.1  面部表情合成方法106

9.1.1  基于网格变形的表情合成106

9.1.2  基于数据驱动的表情合成107

9.2  表情合成要素107

9.2.1  表情肌107

9.2.2  面部行为编码系统108

9.2.3  Candide模型109

9.3  纹理贴图110

9.3.1  纹理坐标归一化110

9.3.2  表情合成110

9.4  人机情感交互112

9.4.1  人机交互虚拟仿真113

9.4.2  人机交互真实场景114

9.5  本章小结116

总结与展望117

附录A119

参考文献120