概念認知學習理論與方法 徐偉華 李金海 折延宏 9787030770035 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$687
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202312*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：概念認知學習理論與方法 ISBN：9787030770035 出版社：科學 著編譯者：徐偉華 李金海 折延宏 頁數：226 所在地：中國大陸 *此為代購商品 書號：1632306 可大量預訂，請先連絡。 內容簡介 概念認知學習是人工智慧、大數據領域關注的多學科交叉研究方向，涵蓋了哲學、數學、心理學、認知科學以及信息科學等領域。本書旨在為廣大學者和科研工作者提供概念認知學習領域的基礎理論與學習方法。本書主要內容包括概念認知學習的基本概念和基礎知識、概念認知系統的邏輯推理、概念認知的雙向學習機制、對象-屬性誘導概念學習理論、多注意力概念認知學習模型、漸進模糊三支概念的增量學習機理、複雜網路下的概念認知學習以及概念的漸進式認知等理論體系。 本書可作為高等院校的應用數學、數據科學、智能科學與技術、人工智慧、計算機科學與技術、電子信息等領域的高年級本科生和研究生的教學用書，也可供相關領域的教師、研究人員、工程技術人員參考使用。目錄 第1章 緒論1 1 認知科學簡述 1 2 概念認知學習的基本思想 1 3 本書結構 第2章 預備知識 2 1 模糊集合的基本概念 2 1 1 模糊性和模糊集合 2 1 2 模糊集合的運算 2 1 3 模糊集合的水平截集 2 2 粗糙集的基本概念 2 3 形式概念分析基本理論 2 4 三支概念分析基本理論 第3章 基於逆序Galois聯絡的認知邏輯 3 1 語法理論 3 2 LGE的一種等價形式LGC 3 2 1 LGC的語法理論 3 2 2 LGC的語義理論 3 2 3 LGC的可靠性與完備性定理 3 3 LGC與EMT4之間的內在聯繫 3 4 LGC與LGE之間的內在聯繫 3 5 一種基於認知系統的邏輯LES 3 6 本章小結 第4章 基於Galois聯絡的直覺認知邏輯 4 1 IntGC邏輯 4 2 代數語義及其完備性 4 3 IntGC的Kripke語義及其完備性 4 4 IntGC的有限模型性質及其可判定性 4 5 本章小結 第5章 概念認知的雙向學習機制 5 1 模糊數據的概念格 5 2 雙向學習系統和信息粒 5 3 模糊數據的雙向學習機制 5 4 雙向學習演算法與實驗分析 5 4 1 模糊數據的雙向學習演算法 5 4 2 時間複雜度分析 5 4 3 案例分析和實驗評估 5 5 本章小結 第6章 增量概念認知學習 6 1 概念認知運算元的公理化 6 2 粒概念及其性質 6 3 概念認知系統的增量設計 6 4 基於上下逼近思想的概念認知過程 6 4 1 基於對象集的概念學習 6 4 2 基於屬性集的概念學習 6 4 3 基於對象-屬性集序對的概念學習 6 5 本章小結 第7章 多注意力概念認知學習 7 1 概念注意力空間 7 2 基於圖注意力的概念聚類 7 3 多注意力概念預測 7 4 多注意力概念學習整體框架 7 5 數值實驗與分析 7 5 1 與S2CLα和其他經典分類演算法對比測試模型的性能 7 5 2 模型參數的影響 7 5 3 MNIST數據集上的概念生成 7 6 本章小結 第8章 基於漸進模糊三支概念的增量學習 8 1 漸進模糊三支概念的學習過程 8 2 漸進模糊三支概念的增量學習機制 8 3 數值實驗與分析 8 3 1 ILMPFTC機制的分類性能驗證 8 3 2 動態數據環境下增量學習機制的收斂性評估 8 3 3 動態機制的有效性 8 4 本章小結 第9章 複雜網路下的概念認知學習 9 1 基本概念 9 2 網路形式背景 9 3 網路概念的指標集 9 4 網路形式概念 9 4 1 網路概念的基本理論 9 4 2 網路概念的性質 9 5 本章小結 第10章 概念的漸進式認知 10 1 漸進式認知概念 10 2 概念的漸進式認知方法 10 2 1 線索為對象集的概念漸進式認知 10 2 2 線索為屬性集的概念漸進式認知 10 2 3 線索包含對象集與屬性集的概念漸進式認知 10 3 數值實驗與分析 10 3 1 實驗環境 10 3 2 實驗結果 10 3 3 對比分析 10 4 概念認知方法的對比分析 10 5 本章小結 第11章 MapReduce框架下的概念認知學習 11 1 粒概念的并行演算法 11 1 1 概念的認知機理 11 1 2 構建粒概念的并行演算法 11 2 認知計算系統及其并行演算法 11 2 1 認知計算系統 11 2 2 認知計算系統的并行演算法 11 3 認知學習過程及其并行演算法 11 3 1 認知學習過程 11 3 2 認知學習過程的并行演算法 11 4 數值實驗與分析 11 4 1 實驗環境 11 4 2 粒概念求解演算法對比 11 4 3 數據集規模對并行演算法耗時的影響 11 5 本章小結 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
