目录
第1章媒体认知与人工智能
1.1信息、媒体与认知
1.1.1信息表征
1.1.2媒体形态
1.1.3信号分析与信息处理
1.1.4认知与人工智能
1.2人工智能的诞生与学术流派
1.2.1人工智能的诞生
1.2.2人工智能的学术流派
1.3深度学习时代
1.3.1深度神经网络模型
1.3.2反向传播算法
1.3.3深度学习发展与应用
1.4大模型来临
1.4.1ChatGPT的诞生
1.4.2大模型的本质
1.4.3大模型的特点
1.4.4人工智能生成内容
1.5人工智能应用场景领域
1.5.1计算机视觉
1.5.2生物特征识别
1.5.3智能交通与无人驾驶
习题
第2章认知的生物机理
2.1脑与感知认知
2.1.1大脑与神经元
2.1.2认知心理学概要
2.2知觉
2.2.1知觉的特性
2.2.2知觉的信息加工
2.2.3模式与模式识别
2.3注意
2.3.1注意的分类
2.3.2注意与特征整合理论
2.3.3注意机制的神经网络模型
2.4记忆
2.4.1记忆的模式
2.4.2记忆的神经网络模型
2.5视觉感知模型
2.5.1生物视觉感知结构
2.5.2视觉信息处理机制
2.5.3视觉特征计算
习题
第3章机器学习
3.1机器学习基本概念
3.1.1基本定义
3.1.2线性回归模型
3.1.3线性分类模型
3.2支持向量机
3.2.1线性可分问题
3.2.2近似线性可分问题
3.2.3非线性分类问题
3.2.4基于支持向量机的多分类任务
3.3集成学习方法
3.3.1决策树
3.3.2Bagging方法
3.3.3Boosting方法
3.3.4梯度提升决策树
3.4模型选择与评估
3.4.1模型的拟合能力
3.4.2分类任务评价指标
3.4.3回归任务评价指标
3.4.4模型的评估方法
习题
第4章深度学习
4.1神经元模型
4.1.1生物神经元模型
4.1.2人工神经元模型
4.2感知器模型
4.3全连接前馈神经网络
4.3.1多层感知器
4.3.2激活函数
4.3.3损失函数
4.4BP学习算法
4.5深度网络优化
4.5.1梯度下降法
4.5.2参数初始化
4.5.3优化器
4.5.4梯度消失与梯度爆炸
4.6无监督深度学习
4.6.1深度置信网络
4.6.2自编码器
4.6.3自监督学习
习题
第5章卷积神经网络
5.1卷积神经网络的基本结构
5.1.1卷积层
5.1.2卷积层的拓展与变种
5.1.3池化层
5.1.4归一化处理
5.2典型卷积神经网络结构
5.2.1常规卷积神经网络结构
5.2.2轻量化卷积神经网络结构
5.3卷积神经网络的神经生理学关联
5.4卷积神经网络应用
5.4.1语义分割
5.4.2目标检测
5.4.3实例分割
5.4.4图像生成
习题
第6章循环神经网络
6.1经典循环神经网络
6.1.1序列建模
6.1.2基本单元
6.1.3优化学习
6.1.4变体及拓展结构
6.1.5梯度截断
6.1.6长期依赖
6.2带门控机制的循环神经网络
6.2.1长短时记忆网络
6.2.2门控循环单元
6.3深度循环神经网络
6.4循环神经网络的神经生理学关联
6.5循环神经网络应用
6.5.1预训练语言模型ELMo
6.5.2机器翻译
6.5.3图像描述
6.5.4视频动作识别
习题
第7章Transformer与大模型
7.1注意力机制与Transformer模型
7.1.1注意力机制
7.1.2自注意力机制
7.1.3多头自注意力机制
7.1.4交叉注意力机制
7.1.5Transformer模型架构
7.1.6计算复杂度
7.1.7解码搜索采样策略
7.2Transformer语言模型
7.2.1词嵌入
7.2.2自回归模型
7.2.3仅包含解码器的Transformer语言模型
7.2.4仅包含编码器的Transformer语言模型
7.2.5Transformer模型改进技术
7.2.6大语言模型的训练
7.3Transformer与视觉编码器
7.3.1视觉Transformer
7.3.2文生图模型
习题
第8章特征学习与贝叶斯决策
8.1特征提取
8.1.1图像特征提取
8.1.2语音特征提取
8.1.3文本特征提取
8.2特征降维
8.2.1主成分分析
8.2.2线性判别分析
8.3贝叶斯决策
8.3.1贝叶斯公式
8.3.2正态分布下的贝叶斯决策
8.3.3模式识别系统的信息熵分析
8.4非监督学习
8.4.1K均值聚类
8.4.2高斯混合模型
8.5基于隐含马尔可夫模型的序列建模
8.5.1基本原理
8.5.2评估问题求解
8.5.3解码问题求解
8.5.4学习问题求解
习题
第9章视觉感知与认知计算
9.1模拟视觉注意机制的显著性计算
9.1.1视觉注意与图像显著性
9.1.2基于注意窗估计的显著性检测方法
9.2近似复制图像检索
9.2.1视觉特征与视觉单词
9.2.2多层次特征融合
9.2.3基于倒排表的图像检索
9.3人脸检测与识别
9.3.1人脸检测
9.3.2人脸识别
9.4图像分类
9.4.1单标签与多标签图像分类
9.4.2图像分类方法
9.5媒体与认知相互作用
9.5.1媒体拓展人类认知边界
9.5.2视觉暂留与影视技术
9.5.3立体视觉与立体显示
9.5.4虚拟现实与增强现实
习题
参考文献
