仿生人工智能PDF|Epub|txt|kindle电子书版本网盘下载

仿生人工智能PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 进化系统1

1.1 进化理论的支柱1

1.2 基因型3

1.2.1 基因表达4

1.2.2 遗传突变6

1.2.3 非遗传DNA6

1.3 人工进化7

1.4 遗传表示9

1.4.1 离散表示9

1.4.2 实值表示10

1.4.3 树形表示10

1.4.4 进化性11

1.5 初始化种群12

1.6 适应度函数12

1.7 选择与复制13

1.8 遗传算子14

1.8.1 交叉15

1.8.2 变异16

1.9 进化度量16

1.10 进化算法类型18

1.11 模式理论21

1.12 与人类设计可比的进化22

1.12.1 实例：天线进化22

1.13 进化电子学23

1.14 进化电子学经验教训24

1.15 抽象的作用25

1.16 模拟与数字电路27

1.17 外部进化与内部进化29

1.18 数字设计32

1.19 进化数字设计34

1.19.1 例1：机器人控制器的进化35

1.19.2 实例2：数字电路的进化36

1.19.3 实例3：FPGA进化实例中对传统抽象的超越39

1.20 模拟设计42

1.21 进化模拟设计44

1.21.1 实例：高斯信号生成器的进化46

1.22 多目标与约束48

1.23 设计验证50

1.24 结束语51

1.25 阅读建议54

第2章 细胞系统56

2.1 基本构成56

2.2 细胞自动机59

2.2.1 特殊规则60

2.2.2 时空图60

2.3 细胞系统建模62

2.3.1 举例：基础交通CA62

2.3.2 细胞模型备注63

2.4 一些经典的CA66

2.4.1 初等的CA66

2.4.2 康威的生命游戏68

2.5 其他细胞系统70

2.5.1 非均匀CA71

2.5.2 异步CA71

2.5.3 概率CA72

2.5.4 粒子CA72

2.5.5 耦合映像网格75

2.5.6 细胞神经网络75

2.5.7 具有多细胞空间的细胞系统75

2.6 计算77

2.7 人工生命80

2.7.1 与生物学的对应关系83

2.8 复杂系统84

2.9 细胞系统的分解与合成89

2.9.1 分解89

2.9.2 合成90

2.10 结束语92

2.11 阅读建议93

第3章 神经系统95

3.1 生物神经系统96

3.1.1 神经拓扑98

3.1.2 神经通信99

3.1.3 神经拓扑学99

3.2 人工神经网络101

3.3 神经元模型103

3.4 结构110

3.5 信号编码111

3.6 突触可塑性114

3.7 非监督学习115

3.7.1 特征检测116

3.7.2 多层特征检测119

3.7.3 自组织映射121

3.7.4 自适应共振理论124

3.7.5 记忆形成126

3.8 监督学习128

3.8.1 误差反向传播129

3.8.2 使用反向传播132

3.8.3 反向传播应用实例135

3.9 强化学习138

3.10 神经网络的进化139

3.10.1 进化和学习143

3.11 神经硬件147

3.12 混合神经系统151

3.13 结束语153

3.14 阅读建议155

第4章 发育系统157

4.1 发育表征的潜在优势157

4.2 重写系统158

4.2.1 L系统158

4.2.2 龟形图标解释与结果展现160

4.2.3 电路与网络：L系统的图形解读164

4.2.4 植物、树枝和子网：带括号的L系统164

4.2.5 主题的变化：随机L系统166

4.2.6 数值和条件：参数L系统168

4.2.7 信号和调节：上下文敏感的L系统169

4.2.8 评价重写系统171

4.3 发育系统的合成173

4.4 进化与发育174

4.5 定义人工进化发育系统175

4.6 进化重写系统176

4.6.1 二进制表示176

4.6.2 句法表示176

4.6.3 矩阵重写实例178

4.6.4 树形表示179

4.7 进化发育程序181

4.7.1 细胞编码实例181

4.8 进化发育过程184

4.8.1 显型可塑性实例185

4.8.2 形态基因187

4.8.3 举例：形态发生系统188

4.8.4 内在人工发育192

4.8.5 细胞物理学192

4.9 结束语195

4.10 阅读建议195

第5章 免疫系统197

5.1 生物免疫系统机理198

5.1.1 固有免疫系统198

5.1.2 固有免疫的局限198

5.1.3 子系统监控200

5.1.4 自适应免疫系统200

5.1.5 自适应免疫的局限205

5.2 生物免疫系统的构成207

5.3 人工免疫系统的经验216

5.4 算法与应用218

5.5 形状空间219

5.5.1 实例：疫苗设计223

5.6 负向选择算法225

5.7 克隆选择算法226

5.8 实例227

5.8.1 人工免疫系统与轻量级入侵检测系统227

5.8.2 免疫电子学229

5.9 结束语231

5.10 阅读建议231

第6章 行为系统233

6.1 认知科学中的行为233

6.2 人工智能中的行为235

6.3 基于行为的机器人238

6.3.1 实例1：移动机器人的导航241

6.3.2 实例2：智能轮椅243

6.4 仿生机器人245

6.4.1 实例1：基于视觉的飞行机器人246

6.4.2 实例2：轮式腿248

6.4.3 实例3：爬墙250

6.4.4 实例4：仿人机器人252

6.5 作为生物模型的机器人257

6.5.1 实例1：鸣叫识别和定位258

6.5.2 实例2：基于视觉的归位259

6.5.3 实例3：从游泳到爬行262

6.6 机器人学习264

6.6.1 基于价值的学习265

6.6.2 学习和形态学变化266

6.6.3 模仿学习268

6.7 行为系统的进化271

6.7.1 实例1：无碰撞导航271

6.7.2 实例2：行走273

6.7.3 实例3：基于视觉的导航275

6.7.4 实例4：计算神经行为学281

6.8 行为系统中的进化和学习284

6.8.1 实例1：自学控制器的进化284

6.8.2 实例2：学习能力进化285

6.8.3 实例3：无突触可塑性的类学习行为的进化289

6.9 行为系统中的进化与神经发育291

6.10 机体与控制的协同进化294

6.11 自我复制297

6.12 仿真与实现299

6.13 结束语302

6.14 阅读建议303

第7章 集群系统304

7.1 生物自组织304

7.1.1 聚合305

7.1.2 聚类306

7.1.3 筑巢306

7.1.4 觅食306

7.1.5 分工308

7.2 粒子群优化算法309

7.3 蚁群优化算法311

7.4 群体机器人313

7.4.1 例1：协调探测314

7.4.2 例2：传送和聚类316

7.4.3 例3：重构319

7.5 协同进化动力学：生物模型323

7.5.1 捕食竞争323

7.5.2 合作324

7.6 竞争系统的人工进化327

7.6.1 Tierra328

7.6.2 程序的竞争性协同进化329

7.6.3 竞争性协同进化进展330

7.6.4 行为系统的竞争性协同进化333

7.6.5 竞争性协同进化中个体发育的可塑性337

7.7 协同人工进化338

7.7.1 进化条件和任务要求339

7.7.2 通信进化342

7.8 结束语344

7.9 阅读建议345

结论346

参考文献347