內容簡介
不確定性人工智慧（第2版）本書討論了人類知識和智慧型中，不確定性存在的客觀性、普遍性和積極意義，並圍繞不確定性人工智慧的特徵、表示、模型、推理機制、不確定性思維活動中的確定性等進行了研究，利用認知的物理學方法，從定性定量雙向認知轉換的雲模型，到雲變換、數據場，到數據挖掘、智慧型控制和群體智慧型逐層展開，尋找不確定性知識和智慧型處理中的規律性，最後反思了模糊集合的貢獻與局限，並對不確定性人工智慧研究的發展方向進行了展望。
本書的讀者，可以是從事認知科學、腦科學、人工智慧、計算機科學和控制論研究的學者，尤其是從事自然語言理解與處理、智慧型檢索、知識工程、數據挖掘、智慧型控制的研究和開發人員；同時，本書也可作為大專院校相關專業的研究生教學用書或參考用書。
目錄
第1章 面向不確定性的人工智慧1
1.1 人類智慧型的不確定性2
1.1.1 不確定性的魅力2
1.1.2 熵的世界7
1.2 人工智慧50年10
1.2.1 從著名的達特茅斯會議談起11
1.2.2 與時俱進的研究目標13
1.2.3 人工智慧50年主要成就19
1.3 人工智慧研究的主要方法23
1.3.1 符號主義方法23
1.3.2 聯結主義方法27
1.3.3 行為主義方法29
1.4 人工智慧的學科大交叉趨勢31
1.4.1 腦科學與人工智慧31
1.4.2 認知科學與人工智慧34
1.4.3 網路科學與人工智慧35
1.4.4 學科交叉孕育人工智慧大突破38
第2章 定性定量轉換的認知模型——雲模型40
2.1 不確定性人工智慧研究的切入點40
2.1.1 人類智慧型研究的多個切入點40
2.1.2 抓住自然語言中的概念不放41
2.1.3 概念中的隨機性和模糊性42
2.2 用雲模型表示概念的不確定性44
2.2.1 雲和雲滴44
2.2.2 雲的數字特徵46
2.2.3 雲模型的種類48
2.3 正向高斯雲算法50
2.3.1 算法描述50
2.3.2 雲滴對概念的貢獻53
2.3.3 用高斯雲理解農曆節氣55
2.4 高斯雲的數學性質56
2.4.1 雲滴分布的統計分析57
2.4.2 雲滴確定度分布的統計分析60
2.4.3 高斯雲的期望曲線63
2.4.4 從雲到霧65
2.5 逆向高斯雲算法68
2.5.1 算法描述68
2.5.2 逆向高斯雲的參數估計與誤差分析72
2.6 進一步理解雲模型75
2.6.1 射擊評判75
2.6.2 帶有不確定性的分形79
2.7 高斯雲的普適性84
2.7.1 高斯分布的普適性84
2.7.2 鐘形隸屬函式的普遍性86
2.7.3 高斯雲的普遍意義88
第3章 雲變換92
3.1 粒計算中的基本術語93
3.1.1 尺度、層次和粒度93
3.1.2 概念樹和泛概念樹95
3.2 高斯變換97
3.2.1 高斯變換參數估計98
3.2.2 高斯變換算法100
3.3 高斯雲變換103
3.3.1 從高斯變換到高斯雲變換104
3.3.2 啟發式高斯雲變換106
3.3.3 自適應高斯雲變換110
3.3.4 多維高斯雲變換117
3.4 高斯雲變換用於圖像分割118
3.4.1 圖像中的過渡區發現118
3.4.2 圖像中差異性目標提取123
第4章 數據場與拓撲勢132
4.1 數據場132
4.1.1 用場描述數據對象間的相互作用132
4.1.2 從物理場到數據場135
4.1.3 數據的勢場和力場139
4.1.4 場函式中影響因子的選取149
4.2 基於數據場的聚類152
4.2.1 分類與聚類中的不確定性152
4.2.2 用數據場實現動態聚類153
4.2.3 用數據場實現人臉圖像的表情聚類160
4.3 基於拓撲勢的複雜網路研究169
4.3.1 從數據場到拓撲勢170
4.3.2 用拓撲勢發現網路中重要節點171
4.3.3 用拓撲勢發現網路社區178
4.3.4 用拓撲勢發現維基百科中的熱詞條183
第5章 雲推理與雲控制190
5.1 雲推理190
5.1.1 雲模型構造定性規則191
5.1.2 規則集生成197
5.2 雲控制198
5.2.1 雲控制的機理198
5.2.2 雲控制對模糊控制的理論解釋209
5.3 倒立擺中的不確定性控制210
5.3.1 倒立擺及其控制211
5.3.2 一級、二級倒立擺的定性控制機理212
5.3.3 三級倒立擺的雲控制策略215
5.3.4 倒立擺的動平衡模式226
5.4 智慧型駕駛中的不確定性控制233
5.4.1 汽車的智慧型駕駛234
5.4.2 基於智慧型車輛的駕駛行為模擬243
第6章 用認知物理學方法研究群體智慧型247
6.1 相互作用是群體智慧型的重要成因247
6.1.1 群體智慧型248
6.1.2 湧現是群體行為的一種表現形態250
6.2 雲模型和數據場在群體智慧型研究中的套用252
6.2.1 用雲模型表示個體行為的離散性253
6.2.2 用數據場描述個體間的相互作用254
6.3 典型案例：“掌聲響起來”255
6.3.1 用雲模型表示人的鼓掌行為256
6.3.2 用數據場反映掌聲的相互傳播259
6.3.3 “掌聲響起來”的計算模型260
6.3.4 實驗平台263
6.3.5 湧現的多樣性分析267
6.3.6 帶引導的掌聲同步271
第7章 雲計算推動不確定性人工智慧大發展275
7.1 從雲模型看模糊集合的貢獻與局限275
7.1.1 模糊邏輯似是而非的爭論275
7.1.2 模糊性對隨機性的依賴性278
7.1.3 從模糊推理到不確定性推理281
7.2 從圖靈計算到雲計算283
7.2.1 超出圖靈機的雲計算286
7.2.2 雲計算與雲模型291
7.2.3 遊走在高斯和冪律分布之間的雲模型294
7.3 大數據呼喚不確定性人工智慧300
7.3.1 從資料庫到大數據300
7.3.2 網路互動和群體智慧型303
7.4 不確定性人工智慧展望308參考文獻311
基金資助317
相關專利319
索引321
再版後記324
附錄 不確定性人工智慧理論與套用學術沙龍——對話實錄325
