基于逼近论的多模态信息表示

书籍简介:

如何建立像人脑一样能够自适应地处理多种不同信息源、不同数据类型和不同感知模态的系统，是人工智能面临的一个巨大挑战。与此同时，从事人工智能的研究者们也在设计算法完成一些传统意义上需要人类智能的任务。如最近，GoogleDeepMind公司设计的AlphaGo程序击败了韩国围棋冠军李世石和欧洲围棋冠军樊麾，引起了人们的极大关注。随着这些领域的发展，人工智能、心理学和神经科学的结合变得越来越可行，就像是各自在完成理解智能这一宏伟拼图中的不同部分。其中多种模态的信息如何统一表示和融合是一个关键问题。现在，我们有机会从数学中逼近论的角度来看，如何能够实现多模态信息的统一表示。本书从逼近论角度，由最基本的线性无关函数基（插值基，奇异值分解，主成分分析）出发，到正交函数基（傅里叶变换，小波基），再到一般通用逼近算子（人工神经网络），延伸至过完备基（压缩传感，稀疏表示），最后实现分层特征表示（深度学习）。通过基函数表示信息的思想贯穿始终，作者希望由此启发读者更进一步思考如何构造更好的表示方法实现多模态统一表示。

书籍规格:

书籍信息归属:

基于逼近论的多模态信息表示是科学出版社于2016.10出版的中图分类号为 TP18 的主题关于 人工智能－研究 的书籍。