基于逼近论的多模态信息表示_张立伟，何炳蔚，张建伟著_9787030502537

基于逼近论的多模态信息表示

定价：¥52

中教价：¥35.36 (6.80折）

库存数： 0

购买数量：

《基于逼近论的多模态信息表示》从逼近论角度，由最基本的线性无关函数基（插值基、奇异值分解、主成分分析）出发，到正交函数基（傅里叶变换、小波基），再到一般通用逼近算子（人工神经网络），延伸至过完备基（压缩传感、稀疏表示），最后实现分层特征表示（深度学习）。通过基函数表示信息的思想贯穿始终，作者希望由此启发读者更进一步思考如何构造更好的表示方法实现多模态统一表示。
　　《基于逼近论的多模态信息表示》可供机器人、机器学习、信号处理、应用数学领域的研究人员和实践者阅读，同时也可作为计算机科学与技术领域相关人员的参考书。

　人脑是一个超乎寻常的、鲁棒的自适应信息处理器，能够从大量含有噪声且迥然各异的多源同步信息中整合出重要的知识。它通过对大量时空信息的处理，形成了对周围世界的统一表示。在这方面，即便是目前最好的人工智能系统也望尘莫及。如何建立像人脑一样能够自适应地处理多种不同信息源、不同数据类型和不同感知模态的系统，是人工智能面临的一个巨大挑战。近年来，信息与通信技术的飞速发展为这个问题的解决带来了曙光。
　　与此同时，从事人工智能的研究者也在设计算法完成一些传统意义上需要人类智能的任务。例如，最近，Google DeepMind公司设计的AlphaGo程序击败了韩国围棋冠军李世石和欧洲围棋冠军樊麾，引起了人们的极大关注。其中多种模态的信息如何统一表示和融合是一个关键问题。现在，我们有机会从数学中逼近论的角度来看，如何能够实现多模态信息的统一表示。
　　本书主要涉及多模态信息表示领域，列举这个领域的一些问题，给出目前已经得到的一些结果，同时也给出这个领域一些未来发展方向的思考，希望藉此能够给多模态信息表示领域的研究者和本书的读者带来一些启发。
　　活跃在这个领域的数学家可能会觉察到这个正在崛起的领域与调和分析、逼近论、矩阵分析等领域之间的密切联系。但是，这不是写作本书的最终目的。我们的兴趣和目标主要致力于这些研究成果的实际应用领域，尤其是机器人领域，基于基函数表示的思想主要体现在多模态信息（声音、图像、力信号等）表示。从这个基本点出发，可以发现很多有趣的应用。
　　从数学角度考虑，通过把函数映射到一个固定线性子空间，称为线性逼近，而如果函数被映射到非线性空间，则称为非线性逼近。从逼近论角度看，我们主要发现这些应用都可以通过一种特殊的数学模型来表示——基。如果配以合适的模型，可以用基函数来解决各种应用——如图像处理领域中去噪、恢复、分类、压缩、采样、解析与合成、检测、识别等。我们通过仔细考证发现，大量的基于基函数表示的方法被应用于多模态信息表示领域。
　　基函数表示既有深厚的理论基础，也有广泛的应用场景。这使得我们可以从理论到应用，全方位地展示其巨大威力。限于篇幅和作者的知识，本书不能涉及所有相关领域。本书涉及的领域包括基本的插值计算、主成分分析和奇异值分解、傅里叶变换和小波分析、人工神经网络、稀疏表示与压缩传感、深度学习与特征表示等。
　　我们假设读者已经有基本的高等数学、机器学习、人工神经网络和人工智能基础知识。这对于抓住和理解应用表面背后的数学思想非常有帮助。

你还可能感兴趣

我要评论

您的姓名	验证码：
留言内容