新書推薦：
《
傻钱：社交浪潮与散户革命
》
售價：HK$
78.2
《
猎头高情商沟通实务
》
售價：HK$
56.4
《
桃花夭夭，灼一世芳华：古代蕙心女子的诗情词韵
》
售價：HK$
48.3
《
生活在低处
》
售價：HK$
64.4
《
长颈鹿与少年（全球销量超过50万册。基于真实历史事件创作）
》
售價：HK$
57.4
《
近代早期海洋文化史
》
售價：HK$
112.7
《
怪诞行为学2：非理性的积极力量
》
售價：HK$
78.2
《
锦衣玉令
》
售價：HK$
112.7
|
| 編輯推薦： |
本书多层次、全方位、立体式地凝练和总结了近几年情感计算领域的主要理论和方法，内容涵盖情感计算的基础原理、前沿技术和应用等多个层次内容，同时也包括了该领域前沿的最新研究成果。
本书内容讲解由浅入深，层次清晰，通俗易懂。
|
| 內容簡介： |
本书多层次、全方位、立体式地凝练和总结了近几年情感计算领域的主要理论和方法，内容涵盖情感计算的基础原理、前沿技术和应用等多层次内容，也包括了该领域前沿的最新研究成果。
本书共分为8章，内容讲解由浅入深，层次清晰，通俗易懂。第1章为情感计算背景介绍，重点介绍情感计算的内涵与情感计算的历史； 第2章为脑认知与情感计算，探索脑认知与情感计算的关系，针对情感计算的理论取向、情感在神经学的区分、情感的脑神经结构和网络、基于脑认知的情感模型几方面展开详细介绍； 第3章为情感计算模型，重点阐述了当前主流的离散情感计算模型和维度情感计算模型，并进一步拓展介绍了基于个性化的情感模型； 第4章为情感特征，针对语音、视频、文本、生理参数等不同模态的数据，分析不同情境下的情感关联特征； 第5章为情感识别，针对情感识别中现存的三类问题展开详细介绍，并拓展分析情感识别重要的外延性工作，包括微表情检测、人格分析、精神状态分析以及言语置信度分析等问题； 第6章为情感倾向性分析，重点阐述文本情感分析的主流方法，然后进一步介绍舆情分析； 第7章为情感生成，首先探索了情感诱发方法和数据有效性分析方法，在此基础上分别针对情感语音合成、表情生成、多模态情感生成中的关键问题进行阐述； 第8章为情感计算的应用，介绍情感计算在情感机器人、医疗健康、社交媒体、公共安全、智能金融、智慧教育等不同领域的应用。
本书可以作为高等学校人工智能类专业各层次的教材，也可以作为人工智能从业者设计、应用、开发的参考用书。
|
| 目錄：
|
第1章情感计算背景介绍
1.1情感计算的内涵
1.1.1情感的定义
1.1.2情感是如何计算的
1.1.3情感计算的作用
1.2情感计算的历史
习题
第2章脑认知与情感计算
2.1情感计算的理论取向
2.1.1早期情感理论
2.1.2生理激活说
2.1.3认知评价说
2.1.4情感现象说
2.1.5情绪行为说
2.2情感在神经学的区分
2.2.1一级水平： 反射性情感反应
2.2.2二级水平： 一级情绪
2.2.3三级水平： 高级情感
2.3情感的脑神经结构和网络
2.3.1杏仁核
2.3.2眶额回皮质
2.3.3扣带回皮质
2.3.4背部神经核团
2.3.5外侧下丘脑
2.3.6腹侧黑质
2.4基于脑认知的情感模型
2.4.1EM模型
2.4.2Roseman情感模型
2.4.3EMA模型
2.4.4Salt&Pepper模型
习题
第3章情感计算模型
3.1离散情感计算模型
3.1.1基本情感论
3.1.2离散情感数据库
3.1.3离散情感评价标准
3.2维度情感计算模型
3.2.1维度情感模型
3.2.2维度情感标注
3.2.3维度情感数据库
3.2.4维度情感评价标准
3.3基于个性化的情感模型
3.3.1大五人格模型
3.3.2Chittaro行为模型
3.3.3EFA性格空间模型
3.3.4情绪心情性格模型
习题
第4章情感特征
4.1语音情感特征
4.1.1语音韵律特征
4.1.2语音谱特征
4.1.3语音音质特征
4.1.4功能性副语言特征
4.1.5其他语音特征
4.2视频情感特征
4.2.1Gabor特征
4.2.2局部二值模式
4.2.3基于区分性学习的情感特征
4.2.4基于三正交平面的表情描述向量
4.2.5基于光流法的表情描述向量
4.2.6深度视频特征
4.2.7面部表情编码系统
4.3文本情感特征
4.3.1情感词典的构建
4.3.2文本情感特征
4.3.3文本情感特征词选择
4.4生理参数特征
4.4.1情感计算中的生理信号
4.4.2EEG特征处理
4.4.3外周神经生理信号特征处理
习题
第5章情感识别
5.1多模态融合算法
5.1.1传统融合算法
5.1.2子空间融合
5.1.3细粒度融合
5.1.4模态缺失
5.2低资源情感识别
5.2.1迁移学习
5.2.2数据扩增
5.3对话情感识别
5.3.1时序建模
5.3.2个体建模
5.3.3融合常识
5.4情感识别外延
5.4.1微表情检测
5.4.2人格分析
5.4.3精神状态分析
5.4.4言语置信度分析
5.4.5情感意图理解
习题
第6章情感倾向性分析
6.1文本情感分析
6.1.1基于规则的文本情感分析
6.1.2基于统计机器学习的文本情感分析
6.1.3基于深度学习的文本情感分析
6.2舆情分析
习题
第7章情感生成
7.1情感是如何激发的
7.2情感诱发方法
7.2.1情感材料诱发
7.2.2情感情境诱发
7.3情感诱发有效性分析方法
7.3.1诱发效应影响因素
7.3.2诱发效果评价方法
7.4情感语音合成
7.4.1基于韵律修正的情感语音合成系统
7.4.2基于波形拼接的情感语音合成系统
7.4.3基于统计参数的情感语音合成系统
7.4.4基于深度学习的情感语音合成
7.4.5基于端到端的情感语音合成
7.4.6文本无关的情感语音转换
7.5表情生成
7.5.1基于表情比率图的表情生成方法
7.5.2基于几何驱动的真实化人脸表情生成方法
7.5.3基于表情系数的表情生成方法
7.5.4基于五官移植的表情生成方法
7.5.5基于统计学的表情生成方法
7.5.6基于PixelRNN模型的表情生成
7.5.7基于GAN模型的表情生成
7.6多模态情感生成
习题
第8章情感计算的应用
8.1情感机器人的应用
8.2医疗健康的情感应用
8.2.1情感计算辅助检测抑郁症中的应用
8.2.2情感计算在睡眠瘫痪唤醒中的应用
8.2.3情感计算在老年人健康预警中的应用
8.3微博话题舆情分析的应用
8.4安全领域的情感应用
8.5金融领域的情感应用
8.6教育领域的情感应用
习题
附录A情感计算算法基础
A.1K近邻方法
A.2高斯混合模型
A.3隐马尔可夫模型
A.4支持向量机
A.5随机森林
A.6AdaBoost
A.7深度置信神经网络
A.8卷积神经网络
A.9循环神经网络
A.10注意力机制模型
参考文献
|
| 內容試閱：
|
情感计算技术能够通过计算模型分析人们的情感变化，是人工智能的重要组成部分，在医疗、金融、媒体、安全、交互等领域发挥着重要作用。近几年，国务院、科技部和国家基金委等国家部委纷纷设立重大重点项目支持情感计算方面的研究。随着人工智能技术的发展，情感计算技术不断取得突破，学术界和工业界均对情感计算技术给予了极大的关注。情感计算技术为健康医疗、社会安全等国家重大需求提供有效支撑，促进了传统行业的智能化升级，同时也将为国家重大战略需求和相关产业生态链的形成奠定理论和技术基础。
本书多层次、全方位、立体式地凝练和总结了近几年情感计算领域的主要理论和方法，内容涵盖情感计算的基础原理、前沿技术和应用等多个层次内容，也包括了该领域前沿的最新研究成果。本书共分为8章，内容讲解由浅入深，层次清晰，通俗易懂。第1章重点介绍情感计算的内涵与情感计算的历史； 第2章探索脑认知与情感计算的关系，针对情感计算的理论取向、情感在神经学的区分、情感的脑神经结构和网络、基于脑认知的情感模型几方面展开详细介绍； 第3章重点阐述了当前主流的离散情感计算模型和维度情感计算模型，并进一步拓展介绍了基于个性化的情感模型； 第4章针对语音、视频、文本、生理参数等不同模态的数据，分析不同情境下的情感关联特征； 第5章针对情感识别中现存的三类问题展开详细介绍，并拓展分析情感识别重要的外延性工作，包括微表情检测、人格分析、精神状态分析以及言语置信度分析等问题； 第6章重点阐述文本情感分析的主流方法，然后进一步介绍舆情分析； 第7章首先探索了情感诱发方法和数据有效性分析方法，在此基础上分别针对情感语音合成、表情生成、多模态情感生成中的关键问题进行阐述； 第8章介绍情感计算在情感机器人、医疗健康、社交媒体、公共安全、智能金融、智慧教育等不同领域的应用。
本书可以作为高等学校人工智能类专业各层次的教材，也可以作为人工智能从业者设计、应用、开发的参考用书。
本书由清华大学陶建华教授等编写。在编写过程中，作者参阅了大量教学、科研成果，同时吸取了国内外教材的精髓，在此表示由衷的感谢。在出版过程中，得到了清华大学出版社的大力支持，在此表示诚挚的感谢。本书的部分工作受到国家重点研发计划(2018YFB1005000)、国家自然科学基金(61831022和U21B2010)项目资助。
由于作者水平有限，书中难免有不妥和疏漏之处，恳请各位专家、同仁和读者赐教和批评指正。
陶建华
2024年5月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
