《分散式人工智慧基於TensorFlow、RTOS與群體智慧型體系》一書由王靜逸編寫，由機械工業出版社出版。
基本介紹
- 書名：分散式人工智慧基於TensorFlow、RTOS與群體智慧型體系
- 作者：王靜逸
- 出版社：機械工業出版社
- 出版時間：2020年
- 頁數：548 頁
- 定價：169 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111665205
內容簡介,圖書目錄,編輯推薦,作者簡介,
內容簡介
本書結合分散式計算、大數據、機器學習、深度學習和強化學習等技術，以群體智慧型為主線，講述分散式人工智慧的原理與套用。本書首先介紹分散式系統的概念、技術概況、計算框架、智慧型核心及體系架構等內容；然後介紹大數據框架、高速計算、海量存儲及人工智慧經典算法等內容；接著介紹大規模分散式系統架構與演進，以及群體智慧型與博弈等內容；最後搭建《星際爭霸2》仿真環境，並開發相關的仿真對抗系統。
本書共10章，分為4篇。第1篇“基礎概念”，介紹分散式系統的概況和分散式智慧型計算基礎；第2篇“計算框架”，介紹TensorFlow框架、分散式智慧型計算核心、大數據與存儲系統框架；第3篇“多智慧型體分散式AI算法”，介紹機器學習算法與分散式改進、生成網路和強化學習、對抗和群體智慧型博弈；第4篇“分散式AI智慧型系統開發實戰”，介紹群體智慧型對抗仿真環境及群體智慧型仿真對抗系統開發。本書通俗易懂，案例豐富，實用性強，特別適合分散式、人工智慧和大數據等領域的入門與進階人員閱讀，也適合遊戲開發、推薦系統和群體智慧型等領域的相關研究人員閱讀。另外，本書還適合作為相關培訓機構的教材。
圖書目錄
第1篇 基礎概念
第1章 分散式系統簡介 2
1.1 什麼是分散式系統 2
1.2 分散式系統的歷史與未來 10
1.3 分散式系統與並行計算 13
1.4 分散式系統與邊緣計算 17
1.5 分散式與超算系統 20
1.6 分散式多智慧型體 21
1.7 單體人工智慧 22
1.7.1 TensorFlow的分散式方案 22
1.7.2 Spark分散式機器學習24
1.7.3 Google聯合學習方案 26
1.8 分散式與多人博弈 27
1.9 分散式與群體智慧型決策 29
1.10 分散式與群體智慧型的未來和價值 30
1.11 本章小結31
第2章 分散式智慧型計算基礎 33
2.1 常用的分散式計算框架 33
2.2 Spark分散式框架介紹 37
2.3 HLA高層聯邦體系41
2.4 Multi-Agent體系 44
2.5 RTI與RTOS分散式計算核心 47
2.6 分散式計算的原理和常用方法 52
2.6.1 分散式計算規則 52
2.6.2 分散式與同步 55
2.6.3 分散式與異步 59
2.6.4 處理同步與異步延時 64
2.7 計算模型與任務分發 70
2.8 代理模型與HLA智慧型體75
2.9 分散式與決策模型 79
2.10 底層計算核心RTOS 84
2.11 分散式智慧型計算的價值86
2.12 本章小結 89
第2篇 計算框架
第3章 TensorFlow框架介紹 92
3.1 什麼是TensorFlow 92
3.2 TensorFlow的結構和套用概念 94
3.3 Graph與並行計算模型 99
3.4 Session會話層108
3.5 TensorFlow中的數據類型與計算函式 112
3.6 TensorFlow與卷積神經網路 120
3.7 準備TensorFlow的系統環境 128
3.8 下載和安裝TensorFlow 135
3.9 啟動第一個測試程式 138
3.10 使用TensorFlow構建算法框架 148
3.10.1 使用CIFAR-10構建卷積神經網路 148
3.10.2 使用RNN構建記憶網路 155
3.10.3 搭建生成對抗網路 160
3.11 TensorFlow的發展與價值 165
3.12 本章小結 166
第4章 分散式智慧型計算核心 167
4.1 什麼是SintolRTOS 167
4.2 SintolRTOS支持的組織協定體系 168
4.2.1 HLA高層聯邦體系 168
4.2.2 數據分發服務 171
4.2.3 Multi-Agent體系結構 173
4.3 SintolRTOS核心組件和系統架構 176
4.3.1 Core Soft Plateform 178
4.3.2 Open Soft Plateform 182
4.4 使用SintolRTOS系統組件的工作環境183
4.5 下載和安裝SintolRTOS 183
4.6 SintolRTOS的分散式RTOSNode節點原理 191
4.7 SintolRTOS的聯邦模型和檔案定義 196
4.7.1 FED聯邦模型檔案定義 196
4.7.2 IDL主題模型檔案定義 197
4.7.3 Agent代理模型定義 199
4.8 編寫AI聯邦模型和Agent代理 200
4.9 分散式計算層的模型與數據 204
4.9.1 重構聯邦實體的處理類 204
4.9.2 DQN神經網路與PSintolSDK構建計算層 208
4.10 SintolRTOS智慧型計算組織Demo213
4.10.1 Demo分散式聯邦智慧型架構設計 213
4.10.2 使用UnrealRTOS和CSintolSDK搭建仿真演練場景 214
4.10.3 運行UnrealRTOS多智慧型體進行聯邦對抗 217
4.11 SintolRTOS與分散式人工智慧的未來 219
4.12 本章小結 220
第5章 大數據與存儲系統框架 221
5.1 什麼是大數據 221
5.2 大數據的關鍵技術 222
5.3 大數據與機器學習 224
5.4 Hadoop與分散式存儲框架 225
5.5 搭建Spark運行環境 228
5.6 Spark、Hadoop與TensorFlow結合 245
5.6.1 分散式的圖像數據處理和識別平台 245
5.6.2 分散式機器學習與分散式數據平台 252
5.7 分散式大數據與機器學習的未來 252
5.8 本章小結 253
第3篇 多智慧型體分散式AI算法
第6章 機器學習算法與分散式改進 256
6.1 邏輯回歸 256
6.2 支持向量機 263
6.3 決策樹 271
6.4 分散式多算法結構的決策樹 279
6.5 多任務並行計算算法改進 281
6.5.1 數據並行 282
6.5.2 模型並行 284
6.6 單體算法與分散式算法的最佳化 287
6.6.1 單體算法最佳化 287
6.6.2 分散式異步隨機梯度下降 290
6.7 機器學習算法的維數災難 293
6.8 深度學習的內在發展需求 294
6.8.1 解決維數災難 295
6.8.2 算法架構設計 295
6.8.3 深度學習與多任務學習 297
6.9 自適應學習神經網路算法 304
6.9.1 Momentum算法與最佳化 305
6.9.2 RMSProp算法與最佳化 305
6.9.3 Adam算法與最佳化307
6.10 分散式與機器學習算法規模化的發展與價值 310
6.11 本章小結312
第7章 生成網路和強化學習 314
7.1 生成對抗網路 314
7.2 深度卷積生成對抗網路 316
7.3 分散式與多智慧型體對抗算法MADDPG 330
7.4 常用的強化學習算法結構 336
7.5 Q-learning算法 337
7.6 Sarsa-lamba算法 346
7.6.1 Sarsa算法原理 346
7.6.2 Sarsa-lamda算法的改進 347
7.6.3 算法實現 347
7.7 深度Q網路 349
7.7.1 DQN算法原理 349
7.7.2 DQN的模型訓練 350
7.7.3 訓練DQN 351
7.7.4 算法實現與分析 352
7.8 其他強化學習基礎算法 354
7.9 強化學習算法的發展與價值 356
7.10 本章小結 357
第8章 對抗和群體智慧型博弈 358
8.1 群體智慧型的歷史 358
8.2 博弈矩陣 360
8.2.1 博弈矩陣簡介 360
8.2.2 博弈的線性規劃和納什均衡 363
8.2.3 博弈的學習算法 364
8.2.4 WoLF-IGA和WoLF-PHC算法 366
8.2.5 分散式博弈矩陣 368
8.2.6 學習自動機 369
8.2.7 仿真博弈環境 371
8.3 格線博弈 375
8.4 多智慧型體Q-learning算法 378
8.5 無限梯度上升 380
8.6 EMA Q-learning 381
8.7 仿真群智博弈環境 382
8.8 Multi-Agent系統開發 384
8.9 群體智慧型的發展與價值 416
8.10 本章小結 418
第4篇 分散式AI智慧型系統開發實戰
第9章 體驗群體智慧型對抗仿真環境 420
9.1 群體智慧型仿真系統環境介紹 420
9.2 導入多人對抗智慧型和仿真環境 423
9.3 啟動分散式多智慧型體和仿真環境 432
9.4 啟動人與多智慧型體進行對抗 434
9.5 啟動數據回放 436
9.6 啟動多個智慧型體集團博弈 439
9.7 群體博弈仿真系統環境的代碼模組 441
9.8 本章小結 495
第10章 開發群體智慧型仿真對抗系統 496
10.1 智慧型體強化學習的算法工程 496
10.2 算法框架模組功能說明 497
10.3 訓練智慧型體實現任務AI互動 514
10.4 使用訓練好的模型進行任務處理 518
10.5 多智慧型體協作算法與RTOS結合523
10.5.1 多智慧型體協作算法MADDPG的套用 523
10.5.2 結合RTOS實現MADDPG的分散式結構 525
10.6 行為狀態機與AI結合 529
10.7 分散式群體智慧型的計算與存儲 531
10.8 本章小結 534
後記 535
編輯推薦
資深技術專家力作，人工智慧與金融領域7位專家力薦
中國建設銀行建信金融科技人工智慧平台團隊大力支持
易學：按照“基礎知識→底層技術原理→實戰開發”的模式講解，容易上手。
全面：涵蓋基礎概念、計算框架、分散式AI算法及AI智慧型系統開發實戰。
圖解：繪製了140餘幅示意圖，幫助讀者透徹理解分散式人工智慧的底層架構和算法原理。
深入：詳解分散式人工智慧的算法原理與改進，並通過實戰案例剖析技術原理和套用方法。
前瞻：詳解分散式機器學習、深度學習、強化學習和群體智慧型等前沿技術。
實用：提供多個套用案例，指導實際套用開發。超值：提供完整的工程級性能原始碼，讀者稍加修改即可用於自己的項目開發中。
作者簡介
王靜逸 神兔未來科技有限公司/魔境世界科技有限公司創始人，中國商業聯合會智庫專家，中國計算機學會會員，ACM會員，中國數字仿真協會專家委員。曾經任職於武漢中鐵橋樑科學研究院、上海聯想研究院和華為研究所，任研究員。曾為QQ炫舞1和2引擎開發工程師及客戶端負責人，第一視頻研究院（CCF區塊鏈專委單位）研究員和技術總監，布比區塊鏈（BUMO）公鏈架構師，姿美堂科技集團大數據中心技術總監。現為中國建設銀行建信金融科技基礎技術中心人工智慧平台專家、架構師和研究員，從事大數據、分散式人工智慧和區塊鏈智慧型網路等領域的研究工作。著有《Unity與C++網路遊戲開發實戰：基於VR、AI與分散式架構》及《區塊鏈與金融大數據整合實戰》等圖書。在區塊鏈與分散式人工智慧領域發表多篇相關論文並獲獎，並擁有多項技術專利。
