《智慧型科學（第2版）》是2013年出版的圖書，作者是史忠植
基本介紹
- 書名：智慧型科學（第2版）
- 作者：史忠植
- ISBN：9787302308973
- 定價：69元
- 裝幀：平裝
圖書簡介,圖書前言,圖書目錄,
圖書簡介
智慧型科學研究智慧型的本質和實現技術, 是由腦科學、認知科學、人工智慧等綜合形成的交叉學科。腦科學從分子水平、細胞水平、行為水平研究自然智慧型機理，建立腦模型，揭示人腦的本質；認知科學是研究人類感知、學習、記憶、思維、意識等人腦心智活動過程的科學；人工智慧研究用人工的方法和技術，模仿、延伸和擴展人的智慧型，實現機器智慧型。智慧型科學不僅要進行功能仿真, 而且要從機理上研究，探索智慧型的新概念、新理論、新方法。
。
本書可作為大學高年級本科生和研究生智慧型科學、認知科學、神經信息學等課程的教科書，也可作為從事智慧型科學、腦科學、認知科學、神經科學、人工智慧、心理學等領域研究人員的參考書
圖書前言
智慧型科學研究智慧型的本質和實現技術, 是腦科學、認知科學、人工智慧等綜合形成的交叉學科。 方法，對開放系統的智慧型性質和行為進行研究。
智慧型科學是生命科學的精華、信息科學技術的核心、現代科學技術的前沿和制高點，涉及自然科學的深層奧秘，觸及哲學的基 ，智慧型科學正處在方法論的轉變期、理論創新的高潮期和大規模套用的開創期，面臨原創性機遇。
智慧型科學的興起和發展標誌著對以人類為中心的認知和智慧型活動的研究已經進入新的階段。智慧型科學的研究將使人類自我了解和自我控制，把人的知識和智慧型提高到空前未有的高度。生命現象錯綜複雜，許多問題還沒有得到很好的說明，而能從中學習的內容也是大量的、多方面的。如何從中提煉出最重要的、關鍵性的問題和相應的技術，這是許多科學家長期以來追求的目標。要解決人類在21世紀所面臨的許多困難，諸如能源的大量需求、環境的污染、資源的耗竭、人口的膨脹等, 單靠現有的科學成就是很不夠的，必須向生物學習，尋找新的科技發展道路。智慧型科學的研究將為智力革命、知識革命和信息革命建立理論基礎，為智慧型系統的研製提供新概念、新思想、新途徑。
進入21世紀以來，國際上對智慧型科學及其相關學科，諸如腦科學、神經科學、認知科學、人工智慧的研究高度重視。我國國家自然科學基金委員會對該領域的發展特別關注，2004年9月，由國家自然科學基金委員會信息科學部主辦了智慧型科學技術基礎理論重大問題研討會，來自智慧型科學、腦科學、認知科學、邏輯、哲學等學科交叉領域的代表參加了討論。國家自然科學基金委員會於2004年把我們基於感知學習和語言認知的智慧型計算模型的研究列為重點項目，2008年確立了“視聽覺信息的認知計算”重大研究計畫。國家科技部也對智慧型科學的有關研究給予極大支持。
本書系統地介紹了智慧型科學的概念和方法，吸收了腦科學、認知科學、人工智慧、信息科學、形式系統、哲學等方面的研究成果，綜合地探索人類智慧型和機器智慧型的性質和規律。2006年出版第1版以來，國內外在該領域的研究取得了極大進展，我們也取得了不少成果。為了反映智慧型科學的最新研究成果和發展方向，對原書第1版作了全面修改，特別增加了具有重大套用前景的智慧型技術，包括腦機融合、智慧型機器人、類腦智慧型機等。
全書共分18章。第1章是緒論，介紹智慧型科學興起的科學背景和基本問題；第2章介紹智慧型科學的生理基礎；第3章討論神經計算的進展；第4章探討重要的心智模型；第5章論述知覺理論；第6章討論視覺信息處理，重點研究現代最新的視覺理論；第7章是聽覺信息處理；語言的發展對人類大腦的進化發生重大影響，第8章討論語言的理論；第9章重點論述重要的學習理論；記憶是思維的基礎，第10章探討記憶機制；第11章重點討論思維形式和類型；第12章研究智力的發展；第13章討論情緒和情感的有關理論；第14章初步探討意識問題；形式系統是機器智慧型的重要基礎，第15章討論符號邏輯和機器證明；將機器的高性能與人腦的高智慧型結合也許能開闢智慧型技術的新途徑，第16章探討腦機融合；第17章介紹人工腦和智慧型機器人研究的進展；第18章概述國際上重大的類腦智慧型機計畫的研究進展和基本原理。
本書撰寫過程中，得到國內外許多專家的支持和幫助，與他們的討論給了我本人許多啟發，在此表示感謝。同時感謝本書所引用資料的著譯者，感謝中國科學院計算技術研究所智慧型科學實驗室的同事，他們的豐碩成果和貢獻是本書學術思想的重要源泉。感謝澳大利亞南澳大學在我訪問期間提供的良好條件，使本書得以順利完成。
本書研究工作得到國家重點基礎研究發展計畫課題“腦機協同的認知計算模型” (No.2013CB329502) 、“非結構化信息(圖像)的內容理解與語義表征” (No. 2007CB311004) ；自然科學基金重點項目“基於雲計算的海量數據挖掘” (No.61035003) 、“基於感知學習和語言認知的智慧型計算模型研究” (No.60435010) 、 "Web搜尋與挖掘的新理論與方法” (No.60933004）等的支持；國家863高技術項目“海量Web數據內容管理、分析挖掘技術與大型示範套用” (No.2012AA011003)、 “軟體自治癒與自恢復技術” (No.2007AA01Z132）等項目的支持；清華大學出版社對本書的出版給予了大力支持，在此一併致謝。
本書可作為大學高年級和研究生智慧型科學、認知科學、認知信息學、人工智慧等課程的教科書，本書對從事智慧型科學、腦科學、認知科學、人工智慧、神經科學、心理學、哲學等領域的研究人員也具有重要的參考價值。
智慧型科學是處於研究發展中的前沿交叉學科，許多概念和理論尚待探討，加之作者水平有限，撰寫時間倉促，因此書中謬誤在所難免，懇請讀者指正。
智慧型科學是生命科學的精華、信息科學技術的核心、現代科學技術的前沿和制高點，涉及自然科學的深層奧秘，觸及哲學的基 ，智慧型科學正處在方法論的轉變期、理論創新的高潮期和大規模套用的開創期，面臨原創性機遇。
智慧型科學的興起和發展標誌著對以人類為中心的認知和智慧型活動的研究已經進入新的階段。智慧型科學的研究將使人類自我了解和自我控制，把人的知識和智慧型提高到空前未有的高度。生命現象錯綜複雜，許多問題還沒有得到很好的說明，而能從中學習的內容也是大量的、多方面的。如何從中提煉出最重要的、關鍵性的問題和相應的技術，這是許多科學家長期以來追求的目標。要解決人類在21世紀所面臨的許多困難，諸如能源的大量需求、環境的污染、資源的耗竭、人口的膨脹等, 單靠現有的科學成就是很不夠的，必須向生物學習，尋找新的科技發展道路。智慧型科學的研究將為智力革命、知識革命和信息革命建立理論基礎，為智慧型系統的研製提供新概念、新思想、新途徑。
進入21世紀以來，國際上對智慧型科學及其相關學科，諸如腦科學、神經科學、認知科學、人工智慧的研究高度重視。我國國家自然科學基金委員會對該領域的發展特別關注，2004年9月，由國家自然科學基金委員會信息科學部主辦了智慧型科學技術基礎理論重大問題研討會，來自智慧型科學、腦科學、認知科學、邏輯、哲學等學科交叉領域的代表參加了討論。國家自然科學基金委員會於2004年把我們基於感知學習和語言認知的智慧型計算模型的研究列為重點項目，2008年確立了“視聽覺信息的認知計算”重大研究計畫。國家科技部也對智慧型科學的有關研究給予極大支持。
本書系統地介紹了智慧型科學的概念和方法，吸收了腦科學、認知科學、人工智慧、信息科學、形式系統、哲學等方面的研究成果，綜合地探索人類智慧型和機器智慧型的性質和規律。2006年出版第1版以來，國內外在該領域的研究取得了極大進展，我們也取得了不少成果。為了反映智慧型科學的最新研究成果和發展方向，對原書第1版作了全面修改，特別增加了具有重大套用前景的智慧型技術，包括腦機融合、智慧型機器人、類腦智慧型機等。
全書共分18章。第1章是緒論，介紹智慧型科學興起的科學背景和基本問題；第2章介紹智慧型科學的生理基礎；第3章討論神經計算的進展；第4章探討重要的心智模型；第5章論述知覺理論；第6章討論視覺信息處理，重點研究現代最新的視覺理論；第7章是聽覺信息處理；語言的發展對人類大腦的進化發生重大影響，第8章討論語言的理論；第9章重點論述重要的學習理論；記憶是思維的基礎，第10章探討記憶機制；第11章重點討論思維形式和類型；第12章研究智力的發展；第13章討論情緒和情感的有關理論；第14章初步探討意識問題；形式系統是機器智慧型的重要基礎，第15章討論符號邏輯和機器證明；將機器的高性能與人腦的高智慧型結合也許能開闢智慧型技術的新途徑，第16章探討腦機融合；第17章介紹人工腦和智慧型機器人研究的進展；第18章概述國際上重大的類腦智慧型機計畫的研究進展和基本原理。
本書撰寫過程中，得到國內外許多專家的支持和幫助，與他們的討論給了我本人許多啟發，在此表示感謝。同時感謝本書所引用資料的著譯者，感謝中國科學院計算技術研究所智慧型科學實驗室的同事，他們的豐碩成果和貢獻是本書學術思想的重要源泉。感謝澳大利亞南澳大學在我訪問期間提供的良好條件，使本書得以順利完成。
本書研究工作得到國家重點基礎研究發展計畫課題“腦機協同的認知計算模型” (No.2013CB329502) 、“非結構化信息(圖像)的內容理解與語義表征” (No. 2007CB311004) ；自然科學基金重點項目“基於雲計算的海量數據挖掘” (No.61035003) 、“基於感知學習和語言認知的智慧型計算模型研究” (No.60435010) 、 "Web搜尋與挖掘的新理論與方法” (No.60933004）等的支持；國家863高技術項目“海量Web數據內容管理、分析挖掘技術與大型示範套用” (No.2012AA011003)、 “軟體自治癒與自恢復技術” (No.2007AA01Z132）等項目的支持；清華大學出版社對本書的出版給予了大力支持，在此一併致謝。
本書可作為大學高年級和研究生智慧型科學、認知科學、認知信息學、人工智慧等課程的教科書，本書對從事智慧型科學、腦科學、認知科學、人工智慧、神經科學、心理學、哲學等領域的研究人員也具有重要的參考價值。
智慧型科學是處於研究發展中的前沿交叉學科，許多概念和理論尚待探討，加之作者水平有限，撰寫時間倉促，因此書中謬誤在所難免，懇請讀者指正。
史忠植2013年1月 於北京智慧型科學（第2版）
圖書目錄
第1章 緒論1
1.1 人類的夢想1
1.2 智慧型科學的興起3
1.3 智慧型科學的科學問題7
1.4 智慧型科學的實驗技術13
1.5 展望15
第2章 神經生理基礎17
2.1 腦系統17
2.2 神經組織19
2.2.1 神經元的基本組成19
2.2.2 神經元的分類21
2.2.3 神經膠質細胞21
2.3 突觸傳遞23
2.3.1 化學性突觸24
2.3.2 電突觸26
2.3.3 突觸傳遞的機制26
2.4 神經遞質27
2.4.1 乙醯膽鹼28
2.4.2 兒茶酚胺類28
2.4.3 5-羥色胺32
2.4.4 胺基酸和寡肽34
2.4.5 一氧化氮34
2.4.6 受體34
2.5 信號跨膜轉導35
2.5.1 轉導蛋白36
2.5.2 第二信使37
2.6 靜息膜電位39
2.7 動作電位42
2.8 離子通道46
2.9 神經系統47
2.9.1 中樞神經系統47
2.9.2 周圍神經系統48
2.10 大腦皮層49
智慧型科學（第2版）目錄第3章 神經計算53
3.1 概述53
3.2 神經元模型 62
3.3 反傳學習算法63
3.3.1 反傳算法的原理63
3.3.2 反傳算法的數學表達64
3.3.3 反傳算法的執行步驟66
3.3.4 對反傳網路優缺點的討論67
3.4 Hopfield模型68
3.4.1 離散Hopfield網路68
3.4.2 連續Hopfield網路71
3.5 自適應共振理論ART模型73
3.5.1 ART模型的結構73
3.5.2 ART的基本工作原理75
3.5.3 ART模型的數學描述80
3.6 神經網路集成81
3.6.1 結論生成方法82
3.6.2 個體生成方法83
3.7 脈衝耦合神經網路83
3.7.1 Eckhorn模型84
3.7.2 脈衝耦合神經網路模型84
3.7.3 貝葉斯連線域神經網路模型86
3.8 神經場模型87
3.8.1 神經場表示87
3.8.2 神經場學習理論90
3.9 功能柱神經網路模型94
3.9.1 模型與方法94
3.9.2 單功能柱模型的模擬結果97
第4章 心智模型101
4.1 心智建模101
4.2 圖靈機103
4.3 物理符號系統104
4.4 記憶模型107
4.4.1 聯想記憶模型107
4.4.2 流程型認知模型109
4.4.3 認知-記憶信息處理模型110
4.5 ACT模型111
4.6 SOAR模型112
4.7 心智的社會114
4.8 心智模型CAM115
4.9 動力系統理論116
4.10 大腦協同學118
第5章 感知121
5.1 概述121
5.2 感知的基本形式123
5.2.1 感覺123
5.2.2 知覺125
5.2.3 表象126
5.3 知覺恆常性131
5.4 特徵捆綁133
5.4.1 特徵整合理論134
5.4.2 特徵捆綁的形式模型134
5.4.3 雙階段理論135
5.4.4 時間同步理論136
5.4.5 神經網路模型136
5.5 知覺理論137
5.5.1 建構理論137
5.5.2 直接知覺138
5.5.3 格式塔理論140
5.6 知覺有效編碼142
第6章 視覺信息處理146
6.1 視覺的生理機制146
6.1.1 視網膜146
6.1.2 光感受器147
6.1.3 外膝體148
6.1.4 視皮層149
6.2 視皮層信息處理150
6.2.1 視皮層感受野150
6.2.2 特徵選擇性151
6.2.3 功能柱152
6.2.4 球狀功能結構153
6.3 顏色視覺153
6.4 馬爾的視覺計算理論154
6.5 格式塔視覺理論158
6.6 拓撲視覺理論159
6.7 視覺的正則化理論162
6.8 基於模型的視覺理論165
6.9 計算機視覺166
6.9.1 圖像分割168
6.9.2 圖像理解170
6.9.3 主動視覺170
6.9.4 立體視覺171
6.9.5 利用啟發式知識的方法174
6.10 同步化回響175
6.10.1 概述175
6.10.2 神經生物學實驗176
6.10.3 時間編碼177
6.10.4 視皮層的神經元振盪模型178
6.10.5 視覺系統中的表象與尺度變換179
6.10.6 神經網路中的非線性動力學問題181
第7章 聽覺信息處理183
7.1 聽覺通路183
7.2 聽覺信息的中樞處理185
7.2.1 頻率分析機理185
7.2.2 強度分析機理187
7.2.3 聲源定位和雙耳聽覺187
7.2.4 對複雜聲的分析187
7.3 語音編碼188
7.4 韻律認知189
7.4.1 韻律特徵189
7.4.2 韻律建模192
7.4.3 韻律標註192
7.4.4 韻律生成193
7.4.5 韻律生成的認知神經科學機制194
7.5 語音識別194
7.5.1 語音識別概況194
7.5.2 單詞識別理論197
7.5.3 中文語音識別系統198
7.6 語音合成201
7.6.1 語音合成概況201
7.6.2 語音合成的方法201
7.6.3 概念到語音轉換系統205
7.7 聽覺場景分析209
7.7.1 初級分析209
7.7.2 以圖式為基礎的知覺組織211
7.7.3 初級分析與圖式加工之間的關係211
7.7.4 場景分析的總體評價212
7.8 言語行為213
第8章 語言214
8.1 引言214
8.2 語言習得和發展216
8.3 語言處理模型217
8.4 語言認知220
8.4.1 句子加工中的機率和約束問題221
8.4.2 課文表征與記憶222
8.4.3 模組理論與語言加工222
8.4.4 語言理解中的壓抑機制223
8.5 喬姆斯基的形式文法224
8.5.1 短語結構文法224
8.5.2 上下文有關文法225
8.5.3 上下文無關文法225
8.5.4 正則文法226
8.6 擴充轉移網路228
8.7 概念依賴理論230
8.8 語言理解232
8.8.1 概述232
8.8.2 發展階段234
8.8.3 基於規則的分析方法236
8.8.4 基於語料的統計模型239
8.8.5 機器學習方法241
8.9 腦語言功能區243
8.9.1 經典語言功能區243
8.9.2 語義相關功能區244
8.9.3 音韻相關功能區245
8.9.4 拼字相關功能區245
8.9.5 雙語者腦語言功能區245
第9章 學習246
9.1 概述246
9.2 行為學習理論247
9.2.1 條件反射學習理論247
9.2.2 行為主義的學習理論248
9.2.3 聯結學習理論248
9.2.4 操作學習理論250
9.2.5 相近學習理論252
9.2.6 需要消減理論254
9.3 認知學習理論257
9.3.1 格式塔學派的學習理論258
9.3.2 認知目的理論258
9.3.3 認知發現理論259
9.3.4 認知同化理論261
9.3.5 信息加工學習理論262
9.3.6 建構主義的學習理論 265
9.4 人本學習理論267
9.5 觀察學習理論268
9.6 內省學習270
9.6.1 內省學習一般模型271
9.6.2 內省學習的元推理272
9.6.3 失敗分類273
9.6.4 內省過程中的基於範例推理274
9.7 學習計算理論274
9.7.1 哥爾德學習理論275
9.7.2 模型推理系統276
9.7.3 大概近似正確學習理論276
9.8 粒計算277
9.8.1 詞計算理論278
9.8.2 粗糙集理論278
9.8.3 基於商空間的粒計算278
9.8.4 相容粒度空間模型278
第10章 記憶283
10.1 記憶過程283
10.2 記憶系統285
10.2.1 感覺記憶286
10.2.2 短時記憶 286
10.2.3 長時記憶290
10.3 長時記憶理論291
10.3.1 長時記憶的類型291
10.3.2 長時記憶的模型 293
10.3.3 長時記憶的信息提取298
10.4 工作記憶300
10.4.1 工作記憶模型300
10.4.2 工作記憶和推理301
10.4.3 工作記憶的神經機制302
10.5 遺忘理論303
10.6 內隱記憶306
10.7 記憶的生理機制308
10.7.1 記憶痕跡308
10.7.2 海馬與杏仁體309
10.7.3 記憶的存儲過程311
10.7.4 記憶的保存和增強312
第11章 思維和決策316
11.1 引言316
11.2 思維的形態320
11.2.1 抽象思維321
11.2.2 形象思維322
11.2.3 靈感思維324
11.3 推理327
11.3.1 演繹推理327
11.3.2 歸納推理328
11.3.3 反繹推理330
11.3.4 類比推理331
11.3.5 非單調推理333
11.3.6 推理和腦334
11.4 問題求解334
11.4.1 問題空間334
11.4.2 產生式系統336
11.4.3 啟發式搜尋338
11.4.4 手段目的分析法339
11.4.5 解決問題的策略341
11.5 科學發現344
11.5.1 科學發現的基本觀點344
11.5.2 發現策略348
11.5.3 發現系統BACON351
11.6 創造性思維357
11.7 決策理論 360
11.7.1 決策效用理論361
11.7.2 滿意原則362
11.7.3 逐步消元法362
11.7.4 貝葉斯決策方法362
11.8 智慧型決策支持系統363
11.8.1 智慧型決策系統開發平台363
11.8.2 綜合集成研討廳365
第12章 智力發展367
12.1 引言367
12.2 智力理論368
12.2.1 智力的因素論369
12.2.2 多元智力理論370
12.2.3 智力結構論370
12.3 智力的測量371
12.4 皮亞傑認知發展理論374
12.4.1 圖式375
12.4.2 兒童智力發展階段377
12.4.3 新皮亞傑主義383
12.5 智力發展的影響因素384
12.5.1 成熟因素384
12.5.2 經驗因素385
12.5.3 社會環境因素386
12.5.4 平衡化因素386
12.6 智力發展的人工系統387
第13章 情緒與情感389
13.1 引言389
13.2 情緒的種類390
13.2.1 情緒的基本形式390
13.2.2 情緒狀態391
13.2.3 情感的種類391
13.3 情緒的表達392
13.4 情緒理論393
13.4.1 詹姆斯-蘭格情緒學說393
13.4.2 情緒評估-興奮學說393
13.4.3 情緒三因素說394
13.4.4 基本情緒論394
13.4.5 維度論395
13.4.6 非線性動態策略396
13.5 情緒加工397
13.5.1 情緒語義網路理論397
13.5.2 貝克的圖式理論398
13.5.3 威廉斯的情緒加工理論398
13.6 情緒的功能399
13.6.1 情緒的動機作用399
13.6.2 情緒是心理活動的組織者399
13.6.3 情緒的健康功能400
13.6.4 情緒的信號功能400
13.7 情感智慧型400
13.8 情感計算401
13.9 具有情感的機器人406
13.10 情感與認知407
13.10.1 情感優先假說407
13.10.2 認知評價觀點407
13.10.3 圖式命題聯想和類比表征系統408
13.10.4 情緒雙迴路理論408
第14章 意識409
14.1 概述409
14.2 意識的基本要素和特性411
14.3 心理學的意識觀414
14.4 意識的劇場模型415
14.5 意識的還原論理論417
14.6 神經元群組選擇理論420
14.7 意識的量子理論421
14.8 意識系統模型423
14.9 顯意識思維與潛意識思維424
14.10 注意428
14.10.1 注意的功能428
14.10.2 選擇性注意431
14.10.3 注意分配435
14.10.4 注意系統435
第15章 形式系統437
15.1 概述437
15.2 謂詞演算439
15.3 動態描述邏輯444
15.3.1 描述邏輯444
15.3.2 動態描述邏輯DDL446
15.4 歸納邏輯447
15.4.1 經驗主義機率歸納邏輯450
15.4.2 邏輯貝葉斯派451
15.4.3 主觀貝葉斯派451
15.4.4 條件化歸納邏輯452
15.4.5 非帕斯卡機率歸納邏輯453
15.5 模型論454
15.6 遞歸論456
15.7 證明論458
15.7.1 希爾伯特規劃459
15.7.2 受限的初等數論的無矛盾性460
15.7.3 哥德爾的不完全性定理460
15.8 機器定理證明462
第16章 腦機融合466
16.1 概述466
16.2 腦電信號分析469
16.2.1 腦電信號分類469
16.2.2 腦電信號分析方法470
16.3 神經元集群的編碼和解碼471
16.3.1 概述471
16.3.2 熵編碼理論473
16.3.3 貝葉斯集群編碼476
16.3.4 貝葉斯集群解碼477
16.4 腦機接口系統478
16.5 P300腦機接口系統479
16.5.1 系統構成480
16.5.2 視覺誘發子系統480
16.5.3 腦電採集子系統481
16.5.4 腦電分析子系統481
16.6 腦機協同的認知計算模型482
第17章 智慧型機器人485
17.1 概述485
17.2 智慧型機器人的體系結構487
17.3 機器人視覺系統492
17.3.1 視覺系統分類493
17.3.2 定位技術494
17.3.3 自主視覺導航495
17.3.4 視覺伺服系統495
17.4 機器人路徑規劃496
17.4.1 全局路徑規劃496
17.4.2 局部路徑規劃497
17.5 細胞自動機498
17.6 認知機模型501
17.7 情感機器人503
17.8 發育機器人504
17.9 RoboCup機器人足球比賽508
17.10 智慧型機器人發展趨勢510
第18章 類腦智慧型機513
18.1 概述513
18.2 藍腦計畫513
18.2.1 概述513
18.2.2 大腦皮層模型514
18.2.3 超級計算模擬516
18.2.4 認知計算展望519
18.3 人腦計畫519
18.3.1 歐盟未來技術與新興技術旗艦研究計畫519
18.3.2 峰電位時序相關可塑性520
18.3.3 統一腦模型522
18.4 神經形態機524
18.4.1 經典計算機的局限524
18.4.2 類腦體系結構525
18.4.3 腦模型526
18.4.4 神經形態晶片528
18.5 LIDA529
18.5.1 全局工作空間理論529
18.5.2 智慧型數據分析認知結構530
18.5.3 LIDA軟體框架532
參考文獻534
1.1 人類的夢想1
1.2 智慧型科學的興起3
1.3 智慧型科學的科學問題7
1.4 智慧型科學的實驗技術13
1.5 展望15
第2章 神經生理基礎17
2.1 腦系統17
2.2 神經組織19
2.2.1 神經元的基本組成19
2.2.2 神經元的分類21
2.2.3 神經膠質細胞21
2.3 突觸傳遞23
2.3.1 化學性突觸24
2.3.2 電突觸26
2.3.3 突觸傳遞的機制26
2.4 神經遞質27
2.4.1 乙醯膽鹼28
2.4.2 兒茶酚胺類28
2.4.3 5-羥色胺32
2.4.4 胺基酸和寡肽34
2.4.5 一氧化氮34
2.4.6 受體34
2.5 信號跨膜轉導35
2.5.1 轉導蛋白36
2.5.2 第二信使37
2.6 靜息膜電位39
2.7 動作電位42
2.8 離子通道46
2.9 神經系統47
2.9.1 中樞神經系統47
2.9.2 周圍神經系統48
2.10 大腦皮層49
智慧型科學（第2版）目錄第3章 神經計算53
3.1 概述53
3.2 神經元模型 62
3.3 反傳學習算法63
3.3.1 反傳算法的原理63
3.3.2 反傳算法的數學表達64
3.3.3 反傳算法的執行步驟66
3.3.4 對反傳網路優缺點的討論67
3.4 Hopfield模型68
3.4.1 離散Hopfield網路68
3.4.2 連續Hopfield網路71
3.5 自適應共振理論ART模型73
3.5.1 ART模型的結構73
3.5.2 ART的基本工作原理75
3.5.3 ART模型的數學描述80
3.6 神經網路集成81
3.6.1 結論生成方法82
3.6.2 個體生成方法83
3.7 脈衝耦合神經網路83
3.7.1 Eckhorn模型84
3.7.2 脈衝耦合神經網路模型84
3.7.3 貝葉斯連線域神經網路模型86
3.8 神經場模型87
3.8.1 神經場表示87
3.8.2 神經場學習理論90
3.9 功能柱神經網路模型94
3.9.1 模型與方法94
3.9.2 單功能柱模型的模擬結果97
第4章 心智模型101
4.1 心智建模101
4.2 圖靈機103
4.3 物理符號系統104
4.4 記憶模型107
4.4.1 聯想記憶模型107
4.4.2 流程型認知模型109
4.4.3 認知-記憶信息處理模型110
4.5 ACT模型111
4.6 SOAR模型112
4.7 心智的社會114
4.8 心智模型CAM115
4.9 動力系統理論116
4.10 大腦協同學118
第5章 感知121
5.1 概述121
5.2 感知的基本形式123
5.2.1 感覺123
5.2.2 知覺125
5.2.3 表象126
5.3 知覺恆常性131
5.4 特徵捆綁133
5.4.1 特徵整合理論134
5.4.2 特徵捆綁的形式模型134
5.4.3 雙階段理論135
5.4.4 時間同步理論136
5.4.5 神經網路模型136
5.5 知覺理論137
5.5.1 建構理論137
5.5.2 直接知覺138
5.5.3 格式塔理論140
5.6 知覺有效編碼142
第6章 視覺信息處理146
6.1 視覺的生理機制146
6.1.1 視網膜146
6.1.2 光感受器147
6.1.3 外膝體148
6.1.4 視皮層149
6.2 視皮層信息處理150
6.2.1 視皮層感受野150
6.2.2 特徵選擇性151
6.2.3 功能柱152
6.2.4 球狀功能結構153
6.3 顏色視覺153
6.4 馬爾的視覺計算理論154
6.5 格式塔視覺理論158
6.6 拓撲視覺理論159
6.7 視覺的正則化理論162
6.8 基於模型的視覺理論165
6.9 計算機視覺166
6.9.1 圖像分割168
6.9.2 圖像理解170
6.9.3 主動視覺170
6.9.4 立體視覺171
6.9.5 利用啟發式知識的方法174
6.10 同步化回響175
6.10.1 概述175
6.10.2 神經生物學實驗176
6.10.3 時間編碼177
6.10.4 視皮層的神經元振盪模型178
6.10.5 視覺系統中的表象與尺度變換179
6.10.6 神經網路中的非線性動力學問題181
第7章 聽覺信息處理183
7.1 聽覺通路183
7.2 聽覺信息的中樞處理185
7.2.1 頻率分析機理185
7.2.2 強度分析機理187
7.2.3 聲源定位和雙耳聽覺187
7.2.4 對複雜聲的分析187
7.3 語音編碼188
7.4 韻律認知189
7.4.1 韻律特徵189
7.4.2 韻律建模192
7.4.3 韻律標註192
7.4.4 韻律生成193
7.4.5 韻律生成的認知神經科學機制194
7.5 語音識別194
7.5.1 語音識別概況194
7.5.2 單詞識別理論197
7.5.3 中文語音識別系統198
7.6 語音合成201
7.6.1 語音合成概況201
7.6.2 語音合成的方法201
7.6.3 概念到語音轉換系統205
7.7 聽覺場景分析209
7.7.1 初級分析209
7.7.2 以圖式為基礎的知覺組織211
7.7.3 初級分析與圖式加工之間的關係211
7.7.4 場景分析的總體評價212
7.8 言語行為213
第8章 語言214
8.1 引言214
8.2 語言習得和發展216
8.3 語言處理模型217
8.4 語言認知220
8.4.1 句子加工中的機率和約束問題221
8.4.2 課文表征與記憶222
8.4.3 模組理論與語言加工222
8.4.4 語言理解中的壓抑機制223
8.5 喬姆斯基的形式文法224
8.5.1 短語結構文法224
8.5.2 上下文有關文法225
8.5.3 上下文無關文法225
8.5.4 正則文法226
8.6 擴充轉移網路228
8.7 概念依賴理論230
8.8 語言理解232
8.8.1 概述232
8.8.2 發展階段234
8.8.3 基於規則的分析方法236
8.8.4 基於語料的統計模型239
8.8.5 機器學習方法241
8.9 腦語言功能區243
8.9.1 經典語言功能區243
8.9.2 語義相關功能區244
8.9.3 音韻相關功能區245
8.9.4 拼字相關功能區245
8.9.5 雙語者腦語言功能區245
第9章 學習246
9.1 概述246
9.2 行為學習理論247
9.2.1 條件反射學習理論247
9.2.2 行為主義的學習理論248
9.2.3 聯結學習理論248
9.2.4 操作學習理論250
9.2.5 相近學習理論252
9.2.6 需要消減理論254
9.3 認知學習理論257
9.3.1 格式塔學派的學習理論258
9.3.2 認知目的理論258
9.3.3 認知發現理論259
9.3.4 認知同化理論261
9.3.5 信息加工學習理論262
9.3.6 建構主義的學習理論 265
9.4 人本學習理論267
9.5 觀察學習理論268
9.6 內省學習270
9.6.1 內省學習一般模型271
9.6.2 內省學習的元推理272
9.6.3 失敗分類273
9.6.4 內省過程中的基於範例推理274
9.7 學習計算理論274
9.7.1 哥爾德學習理論275
9.7.2 模型推理系統276
9.7.3 大概近似正確學習理論276
9.8 粒計算277
9.8.1 詞計算理論278
9.8.2 粗糙集理論278
9.8.3 基於商空間的粒計算278
9.8.4 相容粒度空間模型278
第10章 記憶283
10.1 記憶過程283
10.2 記憶系統285
10.2.1 感覺記憶286
10.2.2 短時記憶 286
10.2.3 長時記憶290
10.3 長時記憶理論291
10.3.1 長時記憶的類型291
10.3.2 長時記憶的模型 293
10.3.3 長時記憶的信息提取298
10.4 工作記憶300
10.4.1 工作記憶模型300
10.4.2 工作記憶和推理301
10.4.3 工作記憶的神經機制302
10.5 遺忘理論303
10.6 內隱記憶306
10.7 記憶的生理機制308
10.7.1 記憶痕跡308
10.7.2 海馬與杏仁體309
10.7.3 記憶的存儲過程311
10.7.4 記憶的保存和增強312
第11章 思維和決策316
11.1 引言316
11.2 思維的形態320
11.2.1 抽象思維321
11.2.2 形象思維322
11.2.3 靈感思維324
11.3 推理327
11.3.1 演繹推理327
11.3.2 歸納推理328
11.3.3 反繹推理330
11.3.4 類比推理331
11.3.5 非單調推理333
11.3.6 推理和腦334
11.4 問題求解334
11.4.1 問題空間334
11.4.2 產生式系統336
11.4.3 啟發式搜尋338
11.4.4 手段目的分析法339
11.4.5 解決問題的策略341
11.5 科學發現344
11.5.1 科學發現的基本觀點344
11.5.2 發現策略348
11.5.3 發現系統BACON351
11.6 創造性思維357
11.7 決策理論 360
11.7.1 決策效用理論361
11.7.2 滿意原則362
11.7.3 逐步消元法362
11.7.4 貝葉斯決策方法362
11.8 智慧型決策支持系統363
11.8.1 智慧型決策系統開發平台363
11.8.2 綜合集成研討廳365
第12章 智力發展367
12.1 引言367
12.2 智力理論368
12.2.1 智力的因素論369
12.2.2 多元智力理論370
12.2.3 智力結構論370
12.3 智力的測量371
12.4 皮亞傑認知發展理論374
12.4.1 圖式375
12.4.2 兒童智力發展階段377
12.4.3 新皮亞傑主義383
12.5 智力發展的影響因素384
12.5.1 成熟因素384
12.5.2 經驗因素385
12.5.3 社會環境因素386
12.5.4 平衡化因素386
12.6 智力發展的人工系統387
第13章 情緒與情感389
13.1 引言389
13.2 情緒的種類390
13.2.1 情緒的基本形式390
13.2.2 情緒狀態391
13.2.3 情感的種類391
13.3 情緒的表達392
13.4 情緒理論393
13.4.1 詹姆斯-蘭格情緒學說393
13.4.2 情緒評估-興奮學說393
13.4.3 情緒三因素說394
13.4.4 基本情緒論394
13.4.5 維度論395
13.4.6 非線性動態策略396
13.5 情緒加工397
13.5.1 情緒語義網路理論397
13.5.2 貝克的圖式理論398
13.5.3 威廉斯的情緒加工理論398
13.6 情緒的功能399
13.6.1 情緒的動機作用399
13.6.2 情緒是心理活動的組織者399
13.6.3 情緒的健康功能400
13.6.4 情緒的信號功能400
13.7 情感智慧型400
13.8 情感計算401
13.9 具有情感的機器人406
13.10 情感與認知407
13.10.1 情感優先假說407
13.10.2 認知評價觀點407
13.10.3 圖式命題聯想和類比表征系統408
13.10.4 情緒雙迴路理論408
第14章 意識409
14.1 概述409
14.2 意識的基本要素和特性411
14.3 心理學的意識觀414
14.4 意識的劇場模型415
14.5 意識的還原論理論417
14.6 神經元群組選擇理論420
14.7 意識的量子理論421
14.8 意識系統模型423
14.9 顯意識思維與潛意識思維424
14.10 注意428
14.10.1 注意的功能428
14.10.2 選擇性注意431
14.10.3 注意分配435
14.10.4 注意系統435
第15章 形式系統437
15.1 概述437
15.2 謂詞演算439
15.3 動態描述邏輯444
15.3.1 描述邏輯444
15.3.2 動態描述邏輯DDL446
15.4 歸納邏輯447
15.4.1 經驗主義機率歸納邏輯450
15.4.2 邏輯貝葉斯派451
15.4.3 主觀貝葉斯派451
15.4.4 條件化歸納邏輯452
15.4.5 非帕斯卡機率歸納邏輯453
15.5 模型論454
15.6 遞歸論456
15.7 證明論458
15.7.1 希爾伯特規劃459
15.7.2 受限的初等數論的無矛盾性460
15.7.3 哥德爾的不完全性定理460
15.8 機器定理證明462
第16章 腦機融合466
16.1 概述466
16.2 腦電信號分析469
16.2.1 腦電信號分類469
16.2.2 腦電信號分析方法470
16.3 神經元集群的編碼和解碼471
16.3.1 概述471
16.3.2 熵編碼理論473
16.3.3 貝葉斯集群編碼476
16.3.4 貝葉斯集群解碼477
16.4 腦機接口系統478
16.5 P300腦機接口系統479
16.5.1 系統構成480
16.5.2 視覺誘發子系統480
16.5.3 腦電採集子系統481
16.5.4 腦電分析子系統481
16.6 腦機協同的認知計算模型482
第17章 智慧型機器人485
17.1 概述485
17.2 智慧型機器人的體系結構487
17.3 機器人視覺系統492
17.3.1 視覺系統分類493
17.3.2 定位技術494
17.3.3 自主視覺導航495
17.3.4 視覺伺服系統495
17.4 機器人路徑規劃496
17.4.1 全局路徑規劃496
17.4.2 局部路徑規劃497
17.5 細胞自動機498
17.6 認知機模型501
17.7 情感機器人503
17.8 發育機器人504
17.9 RoboCup機器人足球比賽508
17.10 智慧型機器人發展趨勢510
第18章 類腦智慧型機513
18.1 概述513
18.2 藍腦計畫513
18.2.1 概述513
18.2.2 大腦皮層模型514
18.2.3 超級計算模擬516
18.2.4 認知計算展望519
18.3 人腦計畫519
18.3.1 歐盟未來技術與新興技術旗艦研究計畫519
18.3.2 峰電位時序相關可塑性520
18.3.3 統一腦模型522
18.4 神經形態機524
18.4.1 經典計算機的局限524
18.4.2 類腦體系結構525
18.4.3 腦模型526
18.4.4 神經形態晶片528
18.5 LIDA529
18.5.1 全局工作空間理論529
18.5.2 智慧型數據分析認知結構530
18.5.3 LIDA軟體框架532
參考文獻534
