內容簡介
機器學習之間的關係這種從模擬人類的神經模式出發來指導機器學習的方法，即結合神經科學的理論來探討計算機處理信息的能力，具有重要的科學意義。作者力求向讀者展示這方面的最新研究成果和熱點問題，希望讀者，特別是青年讀者，能關注那些可能對計算機科學帶來突破的課題
目錄
第1章 緒論.
第2章 人類視覺感知系統
2.1 人類視覺感知系統概述
2.2 人類視覺感知系統的基本概念
2.2.1 眼優勢柱、朝向柱和超柱
2.2.2 奇異點和旋轉、旋渦結構
2.2.3 感受野
2.3 小結
第3章 模擬人類視覺感知機制模型的理論基礎
3.1 有效編碼假說
3.1.1 有效編碼假說的概念
3.1.2 有效編碼假說的國內外研究現狀
3.2 貝葉斯學習理論
3.2.1 貝葉斯機率和貝葉斯定理
3.2.2 貝葉斯學習的基本過程
3.2.3 貝葉斯方法的計算學習機制
3.3 人類視覺系統感知的外界環境及其統計特性
3.3.1 自然圖像
3.3.2 自然圖像的高階統計特性
3.3.3 自然圖像的時空統計特性
.3.4 線性轉換工具
3.4.1 主分量分析方法
3.4.2 獨立分量分析方法
3.5 非線性轉換工具
3.5.1 局部線性嵌入
3.5.2 isomap算法
3.6 小結
第4章 基於視覺通路的模型結構
4.1 “感知”和“行為”的分離
4.2 兩條視覺通路
4.3 what和where通路劃分的生物學基礎
4.4 rybak模型
4.4.1 rybak模型介紹
4.4.2 記憶模式中的主要記憶過程
4.4.3 實驗結果及分析
4.5 小結
第5章 特徵提取和特徵選擇..
5.1 marr的特徵分析理論
5.1.1 神經還原論
5.1.2 結構分解理論
5.1.3 特徵空間論
5.1.4 特徵空間的近似
5.2 拓撲知覺理論
5.2.1 生物學依據
5.2.2 gestalt知覺組織原則
5.2.3 拓撲特徵提取Ⅰ——尺度空間
5.2.4 拓撲特徵提取Ⅱ——mrf
5.3 小結
第6章 注意機制
6.1 數據驅動的注意模型
6.1.1 初級視覺特徵提取
6.1.2 多特徵圖合併策略
6.1.3 注意焦點轉移機制
6.2 任務驅動的注意模型
6.2.1 心理閾值函式模型
6.2.2 馬爾可夫模型
6.3 注意模型套用舉例
6.3.1 複雜自然場景中的目標搜尋
6.3.2 圖像壓縮
6.4 小結
第7章 模擬人類感知系統模型
7.1 模型概述
7.2 dlm人臉識別系統詳細介紹
7.2.1 結構和動力學機制概述
7.2.2 blob的形成
7.2.3 blob的移動
7.2.4 圖像層和模板層的互動作用與同步
7.2.5 連線動力學
7.2.6 注意動力學
7.2.7 識別動力學
7.2.8 雙向連線
7.2.9 blob在模板域中的排列
7.2.10 模板層神經元輸入信號的選擇
7.3 實驗
7.4 小結
第8章 自然圖像的二階統計特性
8.1 空間相關性與能量譜
8.1.1 空間相關性
8.1.2 自然圖像的能量譜
8.1.3 能量譜的統計特性
8.1.4 能量譜與空間相關性的關係
8.2 時間相關性與能量譜
8.2.1 時間相關性
8.2.2 自然圖像序列的能量譜
8.3 時空相關性的去除
8.3.1 無噪聲的情形
8.3.2 帶噪聲的情形
8.4 小結
第9章 自然圖像的高階統計特性
9.1 非高斯性
9.2 稀疏性
9.3 稀疏編碼
9.3.1 稀疏編碼模型
9.3.2 統計理論背景
9.3.3 學習規則
9.3.4 學習結果
9.4 自然圖像序列的稀疏編碼方法
9.4.1 學習規則
9.4.2 學習結果
9.5 小結
