叢書序言
推薦序一
推薦序二
前言
第1章　緒論1
1.1　背景與趨勢1
1.2　人機物融合群智計算概述3
1.3　研究挑戰(zhàn)與進展4
1.3.1　人機物群智協(xié)同機理4
1.3.2　自組織與自適應(yīng)能力5
1.3.3　群智能體分布式學習6
1.4　典型應(yīng)用6
1.4.1　城市計算6
1.4.2　智能制造7
1.5　本書整體結(jié)構(gòu)8
習題11
參考文獻11
第2章　邁向人機物融合群智計算時代14
2.1　背景和趨勢14
2.1.1　智能物聯(lián)14
2.1.2　邊緣智能16
2.1.3　新一代人工智能17
2.2　應(yīng)用新業(yè)態(tài)18
2.2.1　城市群智計算19
2.2.2　群智智能制造20
2.2.3　軍事群體智能23
2.3　人機物融合群智計算內(nèi)涵25
2.3.1　基本概念25
2.3.2　人機物融合智慧空間27
2.4　人機物融合群智計算特質(zhì)28
2.5　研究脈絡(luò)30
習題32
參考文獻32
第3章　人機物群智涌現(xiàn)機理35
3.1　生物群智涌現(xiàn)機理36
3.1.1　集體行進37
3.1.2　群體聚集39
3.1.3　群體避險40
3.1.4　協(xié)作筑巢42
3.1.5　分工捕食44
3.1.6　社會組織45
3.1.7　交互通信47
3.1.8　形態(tài)發(fā)生49
3.2　生物集群到人工集群映射機理51
3.2.1　群集動力學52
3.2.2　啟發(fā)式規(guī)則53
3.2.3　自適應(yīng)機制56
3.2.4　群智優(yōu)化算法58
3.2.5　圖結(jié)構(gòu)映射模型59
3.2.6　演化博弈動力學61
3.2.7　群智能體學習機制62
3.2.8　群智涌現(xiàn)機理的典型應(yīng)用64
3.3　人機物融合群智涌現(xiàn)機理66
3.3.1　群落生態(tài)學69
3.3.2　異構(gòu)群集動力學73
3.3.3　人機物演化動力學75
3.3.4　人機物共融智能79
3.3.5　人機物超級物種集群83
3.4　本章總結(jié)和展望86
習題87
參考文獻87
第4章　人機物群智涌現(xiàn)動力學模型100
4.1　群集動力學模型101
4.1.1　生物群集動力學建模102
4.1.2　群集動力學系統(tǒng)建模109
4.2　群智演化博弈動力學模型111
4.2.1　生物集群演化博弈動力學模型111
4.2.2　人工集群演化博弈動力學模型114
4.3　人機物融合群智系統(tǒng)動力學建模117
4.3.1　人機物融合群集動力學系統(tǒng)建模117
4.3.2　人機物融合演化動力學建模123
4.3.3　超級物種集群構(gòu)建130
習題136
參考文獻136
第5章　人機物協(xié)作群智感知146
5.1　群智感知新發(fā)展148
5.1.1　人機物協(xié)作群智感知的基本概念148
5.1.2　人機物協(xié)作群智感知的系統(tǒng)架構(gòu)149
5.2　人機物協(xié)作任務(wù)分配152
5.2.1　人機物協(xié)作任務(wù)分配問題152
5.2.2　人機物協(xié)作任務(wù)分配框架155
5.2.3　人機物協(xié)作任務(wù)分配方法157
5.2.4　研究趨勢展望168
5.3　感知數(shù)據(jù)的高效匯聚168
5.3.1　終端感知數(shù)據(jù)質(zhì)量評估169
5.3.2　冗余數(shù)據(jù)優(yōu)選171
5.3.3　數(shù)據(jù)高效匯聚173
5.4　人機物協(xié)作群智感知的應(yīng)用175
5.5　本章總結(jié)和展望177
習題178
參考文獻179
第6章　多源異構(gòu)群智數(shù)據(jù)融合184
6.1　跨模態(tài)群智數(shù)據(jù)關(guān)聯(lián)185
6.1.1　何為跨模態(tài)群智數(shù)據(jù)185
6.1.2　跨模態(tài)群智數(shù)據(jù)表示188
6.1.3　跨模態(tài)群智數(shù)據(jù)耦合關(guān)系學習191
6.1.4　跨模態(tài)群智數(shù)據(jù)融合研究實踐194
6.2　群智知識集聚與發(fā)現(xiàn)196
6.2.1　群智數(shù)據(jù)集聚198
6.2.2　群智知識發(fā)現(xiàn)204
6.3　群智融合時空預(yù)測208
6.3.1　群智融合時空預(yù)測任務(wù)208
6.3.2　群智融合時空預(yù)測研究實踐211
6.4　本章總結(jié)和展望216
習題217
參考文獻218
第7章　自學習增強與自適應(yīng)演化224
7.1　強化學習與自主決策226
7.1.1　何為強化學習227
7.1.2　深度Q網(wǎng)絡(luò)229
7.1.3　策略梯度231
7.1.4　演員-評論家架構(gòu)231
7.1.5　分層強化學習232
7.1.6　元強化學習233
7.2　深度計算方法的自適應(yīng)演化235
7.2.1　模型性能指標量化235
7.2.2　模型的自適應(yīng)壓縮238
7.2.3　模型運行時自適應(yīng)244
7.2.4　多平臺自適應(yīng)分割246
7.2.5　自適應(yīng)網(wǎng)絡(luò)架構(gòu)搜索250
7.3　深度計算方法的自學習增強演化 254
7.3.1　自學習增強演化254
7.3.2　何為終身學習256
7.3.3　災(zāi)難性遺忘259
7.3.4　終身學習研究262
7.4　本章總結(jié)和展望277
習題278
參考文獻279
第8章　群智能體分布式學習方法287
8.1　傳統(tǒng)分布式機器學習288
8.1.1　數(shù)據(jù)與模型劃分289
8.1.2　分布式通信策略293
8.1.3　數(shù)據(jù)與模型聚合297
8.1.4　主流分布式機器學習平臺300
8.1.5　人機物群智能體分布式學習新挑戰(zhàn)300
8.2　群智能體聯(lián)邦學習301
8.2.1　橫向聯(lián)邦學習303
8.2.2　縱向聯(lián)邦學習307
8.2.3　個性化聯(lián)邦學習309
8.3　群智能體深度強化學習313
8.3.1　群智能體環(huán)境315
8.3.2　群智能體協(xié)作316
8.3.3　群智能體競爭319
8.3.4　群智能體通信323
8.4　群智能體協(xié)同計算326
8.4.1　協(xié)同計算的基本方法327
8.4.2　串行協(xié)同計算328
8.4.3　并行協(xié)同計算331
8.4.4　混合協(xié)同計算333
8.5　本章總結(jié)和展望335
習題336
參考文獻337
第9章　人機混合學習方法343
9.1　參與式樣本標注345
9.1.1　參與式樣本標注的概念345
9.1.2　參與式樣本標注的框架與方法346
9.1.3　參與式樣本標注的成本控制350
9.1.4　參與式樣本標注的質(zhì)量控制352
9.2　示范模仿學習354
9.2.1　何為模仿學習354
9.2.2　行為克隆355
9.2.3　交互式模仿學習356
9.2.4　逆強化學習358
9.2.5　生成對抗式模仿學習360
9.2.6　單樣本模仿學習362
9.3　人類指導(dǎo)強化學習363
9.3.1　基于人為評估反饋的指導(dǎo)364
9.3.2　基于人類偏好的指導(dǎo)366
9.3.3　基于人類注意力的指導(dǎo)367
9.4　本章總結(jié)和展望370
習題371
參考文獻371
第10章　群智能體知識遷移方法375
10.1　基于知識蒸餾的群智知識遷移376
10.1.1　教師-學生遷移模式376
10.1.2　學生互學習遷移模式381
10.2　基于域自適應(yīng)的群智知識遷移383
10.2.1　樣本自適應(yīng)知識遷移385
10.2.2　特征自適應(yīng)知識遷移387
10.2.3　深度網(wǎng)絡(luò)自適應(yīng)知識遷移389
10.2.4　對抗自適應(yīng)知識遷移390
10.3　基于多任務(wù)學習的群智知識共享397
10.3.1　多任務(wù)聯(lián)合學習398
10.3.2　輔助任務(wù)學習403
10.4　基于元學習的群智知識遷移405
10.4.1　何為元學習406
10.4.2　基于優(yōu)化的元學習知識遷移409
10.4.3　基于模型的元學習知識遷移416
10.4.4　基于度量的元學習知識遷移418
10.5　基于聯(lián)邦遷移學習的群智知識遷移422
10.5.1　何為聯(lián)邦遷移學習422
10.5.2　聯(lián)邦遷移系統(tǒng)框架423
10.5.3　典型應(yīng)用428
10.6　基于分層學習的群智技能遷移431
10.6.1　何為技能遷移432
10.6.2　分層強化學習432
10.6.3　模塊化分層學習437
10.7　多智能體強化學習中的群智知識遷移438
10.7.1　多智能體經(jīng)驗遷移學習439
10.7.2　多智能體交互遷移學習442
10.8　本章總結(jié)和展望445
習題446
參考文獻446
第11章　隱私、信任與社會因素455
11.1　激勵機制455
11.1.1　移動群智感知中的激勵機制456
11.1.2　人機物融合群智計算中的激勵機制457
11.1.3　激勵機制的典型案例460
11.2　隱私保護462
11.2.1　人機物融合的隱私問題463
11.2.2　人機物融合的隱私解決方案467
11.3　信任計算476
11.3.1　人機物融合的多元信任計算477
11.3.2　人機協(xié)同信任機制481
11.3.3　人機物動態(tài)環(huán)境下的信任構(gòu)建482
11.4　基于區(qū)塊鏈的人機物融合安全可信群智計算架構(gòu)484
11.4.1　區(qū)塊鏈技術(shù)研究概述485
11.4.2　典型案例與場景應(yīng)用488
11.4.3　人機物融合安全可信群智計算架構(gòu)492
11.5　本章總結(jié)和展望494
習題495
參考文獻496
第12章　CrowdHMT開放平臺506
12.1　研究背景與需求507
12.2　典型主流平臺與開放資源分析509
12.2.1　智能物聯(lián)網(wǎng)平臺509
12.2.2　智慧城市平臺511
12.2.3　群智感知計算平臺512
12.2.4　開放共享資源513
12.3　人機物融合群智計算平臺522
12.3.1　通用系統(tǒng)架構(gòu)523
12.3.2　CrowdHMT自研平臺524
12.4　“太易”分布式人機物鏈中間件539
12.5　應(yīng)用領(lǐng)域與典型場景541
12.5.1　智能制造541
12.5.2　智慧旅游542
12.5.3　智能家居544
12.5.4　智慧城市546
12.5.5　智慧交通550
12.5.6　軍事智能551
習題552
參考文獻552