群体智能与智能网联:原理、算法与应用
全新正版 极速发货
¥
63.62
7.1折
¥
89
全新
库存2件
作者李荣鹏 赵志峰
出版社机械工业
ISBN9787111750093
出版时间2024-05
装帧其他
开本其他
定价89元
货号32091134
上书时间2024-07-03
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
李荣鹏,博士,浙江大学信息与电子工程学院副教授、博士生导师,主要从事人工智能与通信网络交叉融合的应用基础研究。入选首批博士后创新人才支持计划,主持浙江省杰出青年基金项目,曾获吴文俊人工智能优秀青年奖。<br/><br/><br/>赵志峰,博士,之江实验室总工程师、研究员,浙江省“万人计划”科技创新领军人才,任国家广播电视总局科技委委员、中国通信学会理事、IEEEVTS南京分会副主席、ACM杭州分会副理事长、杭州计算机学会副理事长。研究方向为新一代移动通信网、群体智能。
目录
目录<br />前言<br />第 1 章 绪论 1<br />1.1 群体智能与智能网联概述 1<br />1.2 国内外研究现状 4<br />1.2.1 群体智能优化算法 4<br />1.2.2 多智能体系统 5<br />1.2.3 广义群体智能 11<br />1.3 本书结构 12<br />参考文献 13<br />第一篇 原理篇<br />第 2 章 群体智能的通信与网络模式 20<br />2.1 多智能体通信 20<br />2.1.1 直接通信 21<br />2.1.2 间接通信 24<br />2.2 组网方式 30<br />2.2.1 集中式结构 30<br />2.2.2 去中心化结构 31<br />2.2.3 自组织网络 32<br />2.3 多智能体学习 33<br />2.3.1 多智能体强化学习的 3 种<br />组织架构 34<br />2.3.2 基于通信的多智能体强化<br />学习 35<br />参考文献 38<br />第 3 章 群体智能知识表征、知识表达<br />与计算 40<br />3.1 知识表征与计算 40<br />3.1.1 知识表征方法 41<br />3.1.2 知识传递与迁移 47<br />3.1.3 角色与任务分解 53<br />3.2 知识表达与计算 56<br />3.2.1 IEML 的基本概念 57<br />3.2.2 IEML 模型 60<br />3.2.3 IEML 算法结构 63<br />3.2.4 IEML 语义计算 68<br />参考文献 69<br />第 4 章 因果涌现与群体智能 76<br />4.1 涌现的定义与分类 76<br />4.2 因果涌现建模理论 81<br />4.2.1 基本理论框架 81<br />4.2.2 信息转换观点 86<br />4.2.3 获得微观到宏观的最佳<br />抽象 89<br />V<br />4.3 深度学习中的因果涌现 91<br />4.3.1 神经网络可解释性 91<br />4.3.2 神经网络与有效信息 92<br />4.4 群体智能中的涌现 93<br />4.4.1 鸟群中的涌现 94<br />4.4.2 鱼群中的涌现 96<br />参考文献 97<br />第二篇 算法篇<br />第 5 章 多智能体强化学习 100<br />5.1 融合共识主动性机制的独立<br />强化学习 102<br />5.1.1 SIRL 算法概述 102<br />5.1.2 SIRL 算法模块简介 103<br />5.1.3 SIRL 算法性能 111<br />5.2 基于平均场理论的多智能体<br />强化学习 114<br />5.2.1 平均场理论 114<br />5.2.2 非合作场景中的平均场<br />近似 116<br />5.2.3 合作场景中的平均场<br />近似 119<br />参考文献 123<br />第 6 章 合作式梯度更新 126<br />6.1 基本原理 126<br />6.1.1 随机梯度下降 127<br />6.1.2 联邦学习 127<br />6.1.3 联邦周期平均方法 129<br />6.2 更新方式的影响 130<br />6.2.1 同步更新 132<br />6.2.2 异步更新 134<br />6.3 优化方法 135<br />6.3.1 基于衰减的优化方法 136<br />6.3.2 基于共识的优化方法 139<br />参考文献 141<br />第 7 章 图神经网络 143<br />7.1 图的基本概念 143<br />7.1.1 图的定义 143<br />7.1.2 图的拉普拉斯矩阵 145<br />7.1.3 图网络的任务 147<br />7.2 常见的图神经网络模型 148<br />7.2.1 谱域图神经网络模型 149<br />7.2.2 空域图神经网络模型 152<br />7.2.3 时变图神经网络模型 157<br />7.3 图神经网络与机器学习 161<br />7.3.1 图神经网络与深度学习 161<br />7.3.2 图神经网络与强化学习 164<br />7.3.3 图神经网络与联邦学习 168<br />参考文献 173<br />第 8 章 仿生物智能学习 176<br />8.1 蚁群算法 176<br />8.1.1 蚁群算法描述 176<br />8.1.2 蚁群算法的改进 182<br />8.2 群体学习 185<br />8.2.1 群体学习框架 185<br />8.2.2 群体学习性能分析 187<br />VI<br />参考文献 188<br />第三篇 应用篇<br />第 9 章 6G 与内生智能 192<br />9.1 移动通信网络发展趋势 192<br />9.1.1 5G 能力浅析 192<br />9.1.2 6G 远景展望 194<br />9.2 内生智能架构初探 196<br />9.2.1 独立数据面与数据治理<br />框架 197<br />9.2.2 智能面 198<br />9.2.3 网络功能面 201<br />9.2.4 一切即服务平台 202<br />9.3 智能通信网络典型场景 202<br />9.3.1 算法介绍 203<br />9.3.2 性能分析 204<br />参考文献 208<br />第 10 章 车联网与自动驾驶 210<br />10.1 无人驾驶技术简介 210<br />10.1.1 无人驾驶分级标准 210<br />10.1.2 无人驾驶系统架构 212<br />10.2 车路协同与无人驾驶 215<br />10.2.1 无人驾驶演进趋势 215<br />10.2.2 车路协同系统网络<br />架构 215<br />第 11 章 工业互联网与网联机<br />器人 221<br />11.1 工业互联网 221<br />11.1.1 演进趋势 221<br />11.1.2 时间敏感网络 223<br />11.2 网联机器人 227<br />11.2.1 铸造机器人:多任务协同<br />优化 227<br />11.2.2 仓储物流机器人:路径规<br />划与协同避障 232<br />参考文献 234 <br />
内容摘要
本书以群体智能与智能网联的应用为牵引,通过原理、算法、技术应用三个篇章为大家介绍群体智能与智能网联相关的基础理论、概念模型、关键技术和前沿应用。具体而言,原理篇会介绍群体智能的通信方式与组网、知识表征、因果涌现机理等内容;算法篇则从多主体强化学习、多智能体合作式梯度更新方法、图神经网络、蚁群算法等群体智能领域的代表性算法;应用篇则讨论6G与内生智能、车联网与自动驾驶、工业控制网络群体智能技术的应用。
— 没有更多了 —
以下为对购买帮助不大的评价