目录第1章绪论11.1认知科学简述11.2概念认知学习的基本思想31.3本书结构6第2章预备知识82.1模糊集合的基本概念82.1.1模糊性和模糊集合82.1.2模糊集合的运算102.1.3模糊集合的水平截集132.2粗糙集的基本概念152.3形式概念分析基本理论182.4三支概念分析基本理论22第3章基于逆序Galois联络的认知逻辑263.1语法理论263.2LGE的一种等价形式LGC293.2.1LGC的语法理论293.2.2LGC的语义理论303.2.3LGC的可靠性与完备性定理313.3LGC与EMT4之间的内在联系343.4LGC与LGE之间的内在联系403.5一种基于认知系统的逻辑LES423.6本章小结48第4章基于Galois联络的直觉认知逻辑494.1IntGC逻辑494.2代数语义及其完备性534.3IntGC的Kripke语义及其完备性544.4IntGC的有限模型性质及其可判定性59 viii 概念认知学习理论与方法4.5本章小结60第5章概念认知的双向学习机制615.1模糊数据的概念格615.2双向学习系统和信息粒635.3模糊数据的双向学习机制675.4双向学习算法与实验分析705.4.1模糊数据的双向学习算法705.4.2时间复杂度分析725.4.3案例分析和实验评估735.5本章小结84第6章增量概念认知学习856.1概念认知算子的公理化856.2粒概念及其性质886.3概念认知系统的增量设计906.4基于上下逼近思想的概念认知过程976.4.1基于对象集的概念学习986.4.2基于属性集的概念学习1036.4.3基于对象-属性集序对的概念学习1066.5本章小结110第7章多注意力概念认知学习1127.1概念注意力空间1127.2基于图注意力的概念聚类1157.3多注意力概念预测1207.4多注意力概念学习整体框架1227.5数值实验与分析1237.5.1与S2CLα和其他**分类算法对比测试模型的性能1247.5.2模型参数的影响1257.5.3MNIST数据集上的概念生成1307.6本章小结131第8章基于渐进模糊三支概念的增量学习1328.1渐进模糊三支概念的学习过程1328.2渐进模糊三支概念的增量学习机制1398.3数值实验与分析1438.3.1ILMPFTC机制的分类性能验证1448.3.2动态数据环境下增量学习机制的收敛性评估1528.3.3动态机制的有效性1558.4本章小结158第9章复杂网络下的概念认知学习1599.1基本概念1599.2网络形式背景1619.3网络概念的指标集1639.4网络形式概念1679.4.1网络概念的基本理论1679.4.2网络概念的性质1759.5本章小结180第10章概念的渐进式认知18110.1渐进式认知概念18110.2概念的渐进式认知方法19010.2.1线索为对象集的概念渐进式认知19010.2.2线索为属性集的概念渐进式认知19310.2.3线索包含对象集与属性集的概念渐进式认知19410.3数值实验与分析19710.3.1实验环境19810.3.2实验结果19810.3.3对比分析20310.4概念认知方法的对比分析20410.5本章小结205第11章MapReduce框架下的概念认知学习20711.1粒概念的并行算法20711.1.1概念的认知机理20711.1.2构建粒概念的并行算法20811.2认知计算系统及其并行算法20911.2.1认知计算系统20911.2.2认知计算系统的并行算法21011.3认知学习过程及其并行算法21311.3.1认知学习过程21311.3.2认知学习过程的并行算法21311.4数值实验与分析21611.4.1实验环境21611.4.2粒概念求解算法对比21711.4.3数据集规模对并行算法耗时的影响21811.5本章小结220参考文献221
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
