编辑推荐
人类正在进入一个人机物三元融合的万物智能互联时代，人机物融合群智计算必将是下一个AI风口。
内容简介
随着物联网和人工智能技术的快速发展与加速融合，智能物联网正成长为一个具有具有广泛发展前景的新兴前沿领域。物联网智能应用和服务已经逐步融入国家重大需求和民生的各个领域，如智慧城市、智能制造、无人驾驶、智慧农业、健康卫生、国防军事等。在智能物联网背景下，人（智能手机、可穿戴设备等）、机（云设备/边缘设备）、物（物联网终端）这三种基础要素正在走向协作和融合，迈向人机物融合群智计算时代。
人机物融合群智计算是指利用人/机/物感知能力的差异性、计算资源的互补性、节点间的交互性，通过协同感知、分布式学习、群智知识迁移等来解决单独利用某种智能难以解决的复杂问题，进而构建具有自学习、自组织、自适应、可迁移能力的智慧空间。其潜在的研究挑战包括人机物群智融合机理，人机物协作群智感知，自学习增强与自适应演化（深度模型压缩、迁移学习、元学习、终身学习等），群体分布式学习模型（边缘智能、端边云协同计算、多智能体强化学习、联邦学习等）方面。
本书将为大家介绍人机物融合群智计算的基础理论、概念模型、研究挑战与关键技术、典型应用，并对其未来发展方向进行展望。本书可以为物联网、人工智能、工业互联网、智慧城市、智能制造等领域的科研人员和IT从业者提供创新的发展视角及相关理论、方法与技术支撑，也可作为相关专业高年级本科生和研究生课程教材。
作者简介
作者郭斌，工学博士，西北工业大学计算机学院教授/博导，国家杰出青年科学基金获得者，国家“万人计划”青年拔尖人才，智能感知与计算工信部重点实验室副主任，西北工业大学计算与艺术交叉研究中心主任，陕西省高校青年创新团队负责人。2009年在日本庆应大学获博士学位，2009～2011年在法国国立电信学院进行博士后研究。主要从事普适与泛在计算、移动群智感知、人机物融合群智计算等方面的研究。在IEEE/ACM汇刊等国内外重要期刊和会议上发表论文150余篇，曾获得教育部自然科学一等奖、陕西省自然科学一等奖。担任IEEE Transactions on Human-Machine Systems、IEEE Communications Magazine、ACM IMWUT等国际权威期刊编委。CCF西安分部副主席，CCF杰出会员，IEEE高级会员。2020年、2021年爱思唯尔中国高被引学者。
章节目录
版权信息
彩插
作者简介
编委会名单
丛书序言
推荐序一
推荐序二
前言
第1章 绪论
1.1 背景与趋势
1.2 人机物融合群智计算概述
1.3 研究挑战与进展
1.3.1 人机物群智协同机理
1.3.2 自组织与自适应能力
1.3.3 群智能体分布式学习
1.4 典型应用
1.4.1 城市计算
1.4.2 智能制造
1.5 本书整体结构
习题
参考文献
第2章 迈向人机物融合群智计算时代
2.1 背景和趋势
2.1.1 智能物联
2.1.2 边缘智能
2.1.3 新一代人工智能
2.2 应用新业态
2.2.1 城市群智计算
2.2.2 群智智能制造
2.2.3 军事群体智能
2.3 人机物融合群智计算内涵
2.3.1 基本概念
2.3.2 人机物融合智慧空间
2.4 人机物融合群智计算特质
2.5 研究脉络
习题
参考文献
第3章 人机物群智涌现机理
3.1 生物群智涌现机理
3.1.1 集体行进
3.1.2 群体聚集
3.1.3 群体避险
3.1.4 协作筑巢
3.1.5 分工捕食
3.1.6 社会组织
3.1.7 交互通信
3.1.8 形态发生
3.2 生物集群到人工集群映射机理
3.2.1 群集动力学
3.2.2 启发式规则
3.2.3 自适应机制
3.2.4 群智优化算法
3.2.5 图结构映射模型
3.2.6 演化博弈动力学
3.2.7 群智能体学习机制
3.2.8 群智涌现机理的典型应用
3.3 人机物融合群智涌现机理
3.3.1 群落生态学
3.3.2 异构群集动力学
3.3.3 人机物演化动力学
3.3.4 人机物共融智能
3.3.5 人机物超级物种集群
3.4 本章总结和展望
习题
参考文献
第4章 人机物群智涌现动力学模型
4.1 群集动力学模型
4.1.1 生物群集动力学建模
4.1.2 群集动力学系统建模
4.2 群智演化博弈动力学模型
4.2.1 生物集群演化博弈动力学模型
4.2.2 人工集群演化博弈动力学模型
4.3 人机物融合群智系统动力学建模
4.3.1 人机物融合群集动力学系统建模
4.3.2 人机物融合演化动力学建模
4.3.3 超级物种集群构建
习题
参考文献
第5章 人机物协作群智感知
5.1 群智感知新发展
5.1.1 人机物协作群智感知的基本概念
5.1.2 人机物协作群智感知的系统架构
5.2 人机物协作任务分配
5.2.1 人机物协作任务分配问题
5.2.2 人机物协作任务分配框架
5.2.3 人机物协作任务分配方法
5.2.4 研究趋势展望
5.3 感知数据的高效汇聚
5.3.1 终端感知数据质量评估
5.3.2 冗余数据优选
5.3.3 数据高效汇聚
5.4 人机物协作群智感知的应用
5.5 本章总结和展望
习题
参考文献
第6章 多源异构群智数据融合
6.1 跨模态群智数据关联
6.1.1 何为跨模态群智数据
6.1.2 跨模态群智数据表示
6.1.3 跨模态群智数据耦合关系学习
6.1.4 跨模态群智数据融合研究实践
6.2 群智知识集聚与发现
6.2.1 群智数据集聚
6.2.2 群智知识发现
6.3 群智融合时空预测
6.3.1 群智融合时空预测任务
6.3.2 群智融合时空预测研究实践
6.4 本章总结和展望
习题
参考文献
第7章 自学习增强与自适应演化
7.1 强化学习与自主决策
7.1.1 何为强化学习
7.1.2 深度Q网络
7.1.3 策略梯度
7.1.4 演员-评论家架构
7.1.5 分层强化学习
7.1.6 元强化学习
7.2 深度计算方法的自适应演化
7.2.1 模型性能指标量化
7.2.2 模型的自适应压缩
7.2.3 模型运行时自适应
7.2.4 多平台自适应分割
7.2.5 自适应网络架构搜索
7.3 深度计算方法的自学习增强演化
7.3.1 自学习增强演化
7.3.2 何为终身学习
7.3.3 灾难性遗忘
7.3.4 终身学习研究
7.4 本章总结和展望
习题
参考文献
第8章 群智能体分布式学习方法
8.1 传统分布式机器学习
8.1.1 数据与模型划分
8.1.2 分布式通信策略
8.1.3 数据与模型聚合
8.1.4 主流分布式机器学习平台
8.1.5 人机物群智能体分布式学习新挑战
8.2 群智能体联邦学习
8.2.1 横向联邦学习
8.2.2 纵向联邦学习
8.2.3 个性化联邦学习
8.3 群智能体深度强化学习
8.3.1 群智能体环境
8.3.2 群智能体协作
8.3.3 群智能体竞争
8.3.4 群智能体通信
8.4 群智能体协同计算
8.4.1 协同计算的基本方法
8.4.2 串行协同计算
8.4.3 并行协同计算
8.4.4 混合协同计算
8.5 本章总结和展望
习题
参考文献
第9章 人机混合学习方法
9.1 参与式样本标注
9.1.1 参与式样本标注的概念
9.1.2 参与式样本标注的框架与方法
9.1.3 参与式样本标注的成本控制
9.1.4 参与式样本标注的质量控制
9.2 示范模仿学习
9.2.1 何为模仿学习
9.2.2 行为克隆
9.2.3 交互式模仿学习
9.2.4 逆强化学习
9.2.5 生成对抗式模仿学习
9.2.6 单样本模仿学习
9.3 人类指导强化学习
9.3.1 基于人为评估反馈的指导
9.3.2 基于人类偏好的指导
9.3.3 基于人类注意力的指导
9.4 本章总结和展望
习题
参考文献
第10章 群智能体知识迁移方法
10.1 基于知识蒸馏的群智知识迁移
10.1.1 教师-学生迁移模式
10.1.2 学生互学习迁移模式
10.2 基于域自适应的群智知识迁移
10.2.1 样本自适应知识迁移
10.2.2 特征自适应知识迁移
10.2.3 深度网络自适应知识迁移
10.2.4 对抗自适应知识迁移
10.3 基于多任务学习的群智知识共享
10.3.1 多任务联合学习
10.3.2 辅助任务学习
10.4 基于元学习的群智知识迁移
10.4.1 何为元学习
10.4.2 基于优化的元学习知识迁移
10.4.3 基于模型的元学习知识迁移
10.4.4 基于度量的元学习知识迁移
10.5 基于联邦迁移学习的群智知识迁移
10.5.1 何为联邦迁移学习
10.5.2 联邦迁移系统框架
10.5.3 典型应用
10.6 基于分层学习的群智技能迁移
10.6.1 何为技能迁移
10.6.2 分层强化学习
10.6.3 模块化分层学习
10.7 多智能体强化学习中的群智知识迁移
10.7.1 多智能体经验迁移学习
10.7.2 多智能体交互迁移学习
10.8 本章总结和展望
习题
参考文献
第11章 隐私、信任与社会因素
11.1 激励机制
11.1.1 移动群智感知中的激励机制
11.1.2 人机物融合群智计算中的激励机制
11.1.3 激励机制的典型案例
11.2 隐私保护
11.2.1 人机物融合的隐私问题
11.2.2 人机物融合的隐私解决方案
11.3 信任计算
11.3.1 人机物融合的多元信任计算
11.3.2 人机协同信任机制
11.3.3 人机物动态环境下的信任构建
11.4 基于区块链的人机物融合安全可信群智计算架构
11.4.1 区块链技术研究概述
11.4.2 典型案例与场景应用
11.4.3 人机物融合安全可信群智计算架构
11.5 本章总结和展望
习题
参考文献
第12章 CrowdHMT开放平台
12.1 研究背景与需求
12.2 典型主流平台与开放资源分析
12.2.1 智能物联网平台
12.2.2 智慧城市平台
12.2.3 群智感知计算平台
12.2.4 开放共享资源
12.3 人机物融合群智计算平台
12.3.1 通用系统架构
12.3.2 CrowdHMT自研平台
12.4 “太易”分布式人机物链中间件
12.5 应用领域与典型场景
12.5.1 智能制造
12.5.2 智慧旅游
12.5.3 智能家居
12.5.4 智慧城市
12.5.5 智慧交通
12.5.6 军事智能
习题
参考文献
人机物融合群智计算是2022年由机械工业出版社有限公司出版,作者郭斌。
得书感谢您对《人机物融合群智计算》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
