仿生人工智能

第1章 進(jìn)化系統(tǒng) 1.1 進(jìn)化理論的支柱 1.2 基因型 1.2.1 基因表達(dá) 1.2.2 遺傳突變 1.2.3 非遺傳DNA 1.3 人工進(jìn)化 1.4 遺傳表示 1.4.1 離散表示 1.4.2 實值表示 1.4.3 樹形表示 1.4.4 進(jìn)化性 1.5 初始化種群 1.6 適應(yīng)度函數(shù) 1.7 選擇與復(fù)制 1.8 遺傳算子 1.8.1 交叉 1.8.2 變異 1.9 進(jìn)化度量 1.10 進(jìn)化算法類型 1.11 模式理論 1.12 與人類設(shè)計可比的進(jìn)化 1.12.1 實例：天線進(jìn)化 1.13 進(jìn)化電子學(xué) 1.14 進(jìn)化電子學(xué)經(jīng)驗教訓(xùn) 1.15 抽象的作用 1.16 模擬與數(shù)字電路 1.17 外部進(jìn)化與內(nèi)部進(jìn)化 1.18 數(shù)字設(shè)計 1.19 進(jìn)化數(shù)字設(shè)計 1.19.1 例1：機器人控制器的進(jìn)化 1.19.2 實例2：數(shù)字電路的進(jìn)化 1.19.3 實例3：FPGA進(jìn)化實例中對傳統(tǒng)抽象的超越 1.20 模擬設(shè)計 1.21 進(jìn)化模擬設(shè)計 1.21.1 實例：高斯信號生成器的進(jìn)化 1.22 多目標(biāo)與約束 1.23 設(shè)計驗證 1.24 結(jié)束語 1.25 閱讀建議第2章 細(xì)胞系統(tǒng) 2.1 基本構(gòu)成 2.2 細(xì)胞自動機 2.2.1 特殊規(guī)則 2.2.2 時空圖 2.3 細(xì)胞系統(tǒng)建模 2.3.1 舉例：基礎(chǔ)交通CA 2.3.2 細(xì)胞模型備注 2.4 一些經(jīng)典的CA 2.4.1 初等的CA 2.4.2 康威的生命游戲 2.5 其他細(xì)胞系統(tǒng) 2.5.1 非均勻CA 2.5.2 異步CA 2.5.3 概率CA 2.5.4 粒子CA 2.5.5 耦合映像網(wǎng)格 2.5.6 細(xì)胞神經(jīng)網(wǎng)絡(luò) 2.5.7 具有多細(xì)胞空間的細(xì)胞系統(tǒng) 2.6 計算 2.7 人工生命 2.7.1 與生物學(xué)的對應(yīng)關(guān)系 2.8 復(fù)雜系統(tǒng) 2.9 細(xì)胞系統(tǒng)的分解與合成 2.9.1 分解 2.9.2 合成 2.10 結(jié)束語 2.11 閱讀建議第3章 神經(jīng)系統(tǒng) 3.1 生物神經(jīng)系統(tǒng) 3.1.1 神經(jīng)拓?fù)? 3.1.2 神經(jīng)通信 3.1.3 神經(jīng)拓?fù)鋵W(xué) 3.2 人工神經(jīng)網(wǎng)絡(luò) 3.3 神經(jīng)元模型 3.4 結(jié)構(gòu) 3.5 信號編碼 3.6 突觸可塑性 3.7 非監(jiān)督學(xué)習(xí) 3.7.1 特征檢測 3.7.2 多層特征檢測 3.7.3 自組織映射 3.7.4 自適應(yīng)共振理論 3.7.5 記憶形成 3.8 監(jiān)督學(xué)習(xí) 3.8.1 誤差反向傳播 3.8.2 使用反向傳播 3.8.3 反向傳播應(yīng)用實例 3.9 強化學(xué)習(xí) 3.10 神經(jīng)網(wǎng)絡(luò)的進(jìn)化 3.10.1 進(jìn)化和學(xué)習(xí) 3.11 神經(jīng)硬件 3.12 混合神經(jīng)系統(tǒng) 3.13 結(jié)束語 3.14 閱讀建議第4章 發(fā)育系統(tǒng) 4.1 發(fā)育表征的潛在優(yōu)勢 4.2 重寫系統(tǒng) 4.2.1 L系統(tǒng) 4.2.2 龜形圖標(biāo)解釋與結(jié)果展現(xiàn) 4.2.3 電路與網(wǎng)絡(luò)：L系統(tǒng)的圖形解讀 4.2.4 植物、樹枝和子網(wǎng)：帶括號的L系統(tǒng) 4.2.5 主題的變化：隨機L系統(tǒng) 4.2.6 數(shù)值和條件：參數(shù)L系統(tǒng) 4.2.7 信號和調(diào)節(jié)：上下文敏感的L系統(tǒng) 4.2.8 評價重寫系統(tǒng) 4.3 發(fā)育系統(tǒng)的合成 4.4 進(jìn)化與發(fā)育 4.5 定義人工進(jìn)化發(fā)育系統(tǒng) 4.6 進(jìn)化重寫系統(tǒng) 4.6.1 二進(jìn)制表示 4.6.2 句法表示 4.6.3 矩陣重寫實例 4.6.4 樹形表示 4.7 進(jìn)化發(fā)育程序 4.7.1 細(xì)胞編碼實例 4.8 進(jìn)化發(fā)育過程 4.8.1 顯型可塑性實例 4.8.2 形態(tài)基因 4.8.3 舉例：形態(tài)發(fā)生系統(tǒng) 4.8.4 內(nèi)在人工發(fā)育 4.8.5 細(xì)胞物理學(xué) 4.9 結(jié)束語 4.10 閱讀建議第5章 免疫系統(tǒng) 5.1 生物免疫系統(tǒng)機理 5.1.1 固有免疫系統(tǒng) 5.1.2 固有免疫的局限 5.1.3 子系統(tǒng)監(jiān)控 5.1.4 自適應(yīng)免疫系統(tǒng) 5.1.5 自適應(yīng)免疫的局限 5.2 生物免疫系統(tǒng)的構(gòu)成 5.3 人工免疫系統(tǒng)的經(jīng)驗 5.4 算法與應(yīng)用 5.5 形狀空間 5.5.1 實例：疫苗設(shè)計 5.6 負(fù)向選擇算法 5.7 克隆選擇算法 5.8 實例 5.8.1 人工免疫系統(tǒng)與輕量級入侵檢測系統(tǒng) 5.8.2 免疫電子學(xué) 5.9 結(jié)束語 5.10 閱讀建議第6章 行為系統(tǒng) 6.1 認(rèn)知科學(xué)中的行為 6.2 人工智能中的行為 6.3 基于行為的機器人 6.3.1 實例1：移動機器人的導(dǎo)航 6.3.2 實例2：智能輪椅 6.4 仿生機器人 6.4.1 實例1：基于視覺的飛行機器人 6.4.2 實例2：輪式腿 6.4.3 實例3：爬墻 6.4.4 實例4：仿人機器人 6.5 作為生物模型的機器人 6.5.1 實例1：嗚叫識別和定位 6.5.2 實例2：基于視覺的歸位 6.5.3 實例3：從游泳到爬行。
6.6 機器人學(xué)習(xí) 6.6.1 基于價值的學(xué)習(xí) 6.6.2 學(xué)習(xí)和形態(tài)學(xué)變化 6.6.3 模仿學(xué)習(xí) 6.7 行為系統(tǒng)的進(jìn)化 6.7.1 實例l：無碰撞導(dǎo)航 6.7.2 實例2：行走 6.7.3 實例3：基于視覺的導(dǎo)航 6.7.4 實例4：計算神經(jīng)行為學(xué) 6.8 行為系統(tǒng)中的進(jìn)化和學(xué)習(xí) 6.8.1 實例1：自學(xué)控制器的進(jìn)化 6.8.2 實例2：學(xué)習(xí)能力進(jìn)化 6.8.3 實例3：無突觸可塑性的類學(xué)習(xí)行為的進(jìn)化 6.9 行為系統(tǒng)中的進(jìn)化與神經(jīng)發(fā)育 6.10 機體與控制的協(xié)同進(jìn)化 6.11 自我復(fù)制 6.12 仿真與實現(xiàn) 6.13 結(jié)束語 6.14 閱讀建議第7章 集群系統(tǒng) 7.1生物自組織 7.1.1 聚合 7.1.2 聚類 7.1.3 筑巢 7.1.4覓食 7.1.5分工 7.2粒子群優(yōu)化算法 7.3蟻群優(yōu)化算法 7.4群體機器人 7.4.1 例1：協(xié)調(diào)探測 7.4.2 例2：傳送和聚類 7.4.3 例3：重構(gòu) 7.5 協(xié)同進(jìn)化動力學(xué)：生物模型 7.5.1 捕食競爭 7.5.2 合作 7.6 競爭系統(tǒng)的人工進(jìn)化 7.6.1 Tierra 7.6.2 程序的競爭性協(xié)同進(jìn)化 7.6.3 競爭性協(xié)同進(jìn)化進(jìn)展 7.6.4 行為系統(tǒng)的競爭性協(xié)同進(jìn)化 7.6.5 競爭性協(xié)同進(jìn)化中個體發(fā)育的可塑性 7.7 協(xié)同人工進(jìn)化 7.7.1 進(jìn)化條件和任務(wù)要求 7.7.2 通信進(jìn)化 7.8 結(jié)束語 7.9 閱讀建議 結(jié)論參考文獻(xiàn)