新書推薦：
《
古代中医养生典籍精选
》
售價：NT$
946.0
《
《今天的我们如何做父亲：梁启超谈家庭教育》
》
售價：NT$
437.0
《
中国佛教美学典藏·佛教绘画部·经卷佛画
》
售價：NT$
3808.0
《
中国佛教美学典藏·佛教绘画部·石窟壁画
》
售價：NT$
3080.0
《
中国佛教美学典藏·佛教绘画部·绢帛佛画
》
售價：NT$
2240.0
《
中国色：手艺里的中国色彩美学
》
售價：NT$
493.0
《
中国文化文物和旅游统计年鉴2023
》
售價：NT$
1669.0
《
琴学论集：古琴传承与人文生态
》
售價：NT$
773.0
|
| 內容簡介： |
近年来，智能物联网、群体智能、工业互联网等新兴技术逐步兴起，人（智能手机、可穿戴设备等）、机（云设备、边缘设备）、物（具感知计算能力的物理实体）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，即通过人、机、物异构群智能体的有机融合，利用其感知能力的差异性、计算资源的互补性、节点间的协作性和竞争性，构建具有自组织、自学习、自适应、持续演化等能力的智能感知计算空间，实现智能体个体技能和群体认知能力的提升。
2020年，根据微软学术（Microsoft Academic）统计分析的关于群智感知（Crowd sensing）研究的作者排名（Top Authors）中，本书作者团队位列全球。本书作者带着十余年从事群智感知计算研究的思考，将传统的“以人为中心”的群智感知计算拓展深化为“人-机-物异构群智能体融合计算”（简称“人机物融合群智计算”），从单纯的群智感知数据收集提升为人机物群智融合的协作计算与增强学习，探索异构群智协同的基础理论创新和关键技术突破。
本书系统化地阐明新一代“群智感知计算”内涵，并匠造出一把开启“人机物融合群智计算”新世界大门的钥匙。本书既可以作为专著，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，也可以作为高年级本科生或研究生的参考教材。
|
| 關於作者： |
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，曾获得自然科学一等奖、陕西省自然科学一等奖以及IEEE UIC’17等国际会议“论文奖”。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。
刘思聪，工学博士，西北工业大学计算机学院副教授。研究方向为普适计算、移动嵌入式智能、智能物联网。在ACM MobiSys、ACM Ubicomp、IEEE Transactions on Mobile Computing等高水平会议/期刊上发表论文20余篇，拥有授权专利4项。曾获ACM SIGBED中国优博、中国计算机学会推荐A类会议ACM UbiComp“杰出论文奖”、陕西高等学校科学技术一等奖等奖项。担任CCF普适计算专委会委员、ACM SIGBED China青年委员、ACM MobiSys 2021 会议程序委员，以及IEEE TMC、ACM IMWUT、CHI等国际会议/期刊审稿人。
於志文，西北工业大学教授、计算机学院院长，“长江学者”特聘教授，国家杰出青年科学基金获得者，国家“万人计划”科技创新领军人才，国家重点研发专项项目首席科学家。智能感知与计算工信部重点实验室主任，陕西省嵌入式系统技术重点实验室主任，陕西省重点科技创新团队负责人。主要从事移动互联网、普适计算、人机系统、社会感知等领域的研究工作。已在国际学术期刊和会议上，如IEEE TMC、IEEE TKDE、INFOCOM、ACM UbiComp、KDD等发表论文150余篇。担任国际权威期刊IEEE THMS、ACM IMWUT等编委，担任ACM UbiComp、IEEE PerCom、IJCAI等国际会议程序委员或主席40余次。担任ACM西安分会主席、IEEE高级会员、中国计算机学会常务理事/杰出会员、普适计算专业委员会副主任委员、协同计算专业委员会副主任委员等。曾获中国计算机学会优秀博士学位论文奖、中国计算机学会青年科学家奖、教学成果二等奖、自然科学一等奖和陕西省科学技术一等奖。
|
| 目錄：
|
目 录
丛书序言
推荐序一
推荐序二
前言
第1章 绪论1
1.1 背景与趋势1
1.2 人机物融合群智计算概述3
1.3 研究挑战与进展4
1.3.1 人机物群智协同机理4
1.3.2 自组织与自适应能力5
1.3.3 群智能体分布式学习6
1.4 典型应用6
1.4.1 城市计算6
1.4.2 智能制造7
1.5 本书整体结构8
习题11
参考文献11
第2章 迈向人机物融合群智计算时代14
2.1 背景和趋势14
2.1.1 智能物联14
2.1.2 边缘智能16
2.1.3 新一代人工智能17
2.2 应用新业态18
2.2.1 城市群智计算19
2.2.2 群智智能制造20
2.2.3 军事群体智能23
2.3 人机物融合群智计算内涵25
2.3.1 基本概念25
2.3.2 人机物融合智慧空间27
2.4 人机物融合群智计算特质28
2.5 研究脉络30
习题32
参考文献32
第3章 人机物群智涌现机理35
3.1 生物群智涌现机理36
3.1.1 集体行进37
3.1.2 群体聚集39
3.1.3 群体避险40
3.1.4 协作筑巢42
3.1.5 分工捕食44
3.1.6 社会组织45
3.1.7 交互通信47
3.1.8 形态发生49
3.2 生物集群到人工集群映射机理51
3.2.1 群集动力学52
3.2.2 启发式规则53
3.2.3 自适应机制56
3.2.4 群智优化算法58
3.2.5 图结构映射模型59
3.2.6 演化博弈动力学61
3.2.7 群智能体学习机制62
3.2.8 群智涌现机理的典型应用64
3.3 人机物融合群智涌现机理66
3.3.1 群落生态学69
3.3.2 异构群集动力学73
3.3.3 人机物演化动力学75
3.3.4 人机物共融智能79
3.3.5 人机物超级物种集群83
3.4 本章总结和展望86
习题87
参考文献87
第4章 人机物群智涌现动力学模型100
4.1 群集动力学模型101
4.1.1 生物群集动力学建模102
4.1.2 群集动力学系统建模109
4.2 群智演化博弈动力学模型111
4.2.1 生物集群演化博弈动力学模型111
4.2.2 人工集群演化博弈动力学模型114
4.3 人机物融合群智系统动力学建模117
4.3.1 人机物融合群集动力学系统建模117
4.3.2 人机物融合演化动力学建模123
4.3.3 超级物种集群构建130
习题136
参考文献136
第5章 人机物协作群智感知146
5.1 群智感知新发展148
5.1.1 人机物协作群智感知的基本概念148
5.1.2 人机物协作群智感知的系统架构149
5.2 人机物协作任务分配152
5.2.1 人机物协作任务分配问题152
5.2.2 人机物协作任务分配框架155
5.2.3 人机物协作任务分配方法157
5.2.4 研究趋势展望168
5.3 感知数据的高效汇聚168
5.3.1 终端感知数据质量评估169
5.3.2 冗余数据优选171
5.3.3 数据高效汇聚173
5.4 人机物协作群智感知的应用175
5.5 本章总结和展望177
习题178
参考文献179
第6章 多源异构群智数据融合184
6.1 跨模态群智数据关联185
6.1.1 何为跨模态群智数据185
6.1.2 跨模态群智数据表示188
6.1.3 跨模态群智数据耦合关系学习191
6.1.4 跨模态群智数据融合研究实践194
6.2 群智知识集聚与发现196
6.2.1 群智数据集聚198
6.2.2 群智知识发现204
6.3 群智融合时空预测208
6.3.1 群智融合时空预测任务208
6.3.2 群智融合时空预测研究实践211
6.4 本章总结和展望216
习题217
参考文献218
第7章 自学习增强与自适应演化224
7.1 强化学习与自主决策226
7.1.1 何为强化学习227
7.1.2 深度Q网络229
7.1.3 策略梯度231
7.1.4 演员-评论家架构231
7.1.5 分层强化学习232
7.1.6 元强化学习233
7.2 深度计算方法的自适应演化235
7.2.1 模型性能指标量化235
7.2.2 模型的自适应压缩238
7.2.3 模型运行时自适应244
7.2.4 多平台自适应分割246
7.2.5 自适应网络架构搜索250
7.3 深度计算方法的自学习增强演化 254
7.3.1 自学习增强演化254
7.3.2 何为终身学习256
7.3.3 灾难性遗忘259
7.3.4 终身学习研究262
7.4 本章总结和展望277
习题278
参考文献279
第8章 群智能体分布式学习方法287
8.1 传统分布式机器学习288
8.1.1 数据与模型划分289
8.1.2 分布式通信策略293
8.1.3 数据与模型聚合297
8.1.4 主流分布式机器学习平台300
8.1.5 人机物群智能体分布式学习新挑战300
8.2 群智能体联邦学习301
8.2.1 横向联邦学习303
8.2.2 纵向联邦学习307
8.2.3 个性化联邦学习309
8.3 群智能体深度强化学习313
8.3.1 群智能体环境315
8.3.2 群智能体协作316
8.3.3 群智能体竞争319
8.3.4 群智能体通信323
8.4 群智能体协同计算326
8.4.1 协同计算的基本方法327
8.4.2 串行协同计算328
8.4.3 并行协同计算331
8.4.4 混合协同计算333
8.5 本章总结和展望335
习题336
参考文献337
第9章 人机混合学习方法343
9.1 参与式样本标注345
9.1.1 参与式样本标注的概念345
9.1.2 参与式样本标注的框架与方法346
9.1.3 参与式样本标注的成本控制350
9.1.4 参与式样本标注的质量控制352
9.2 示范模仿学习354
9.2.1 何为模仿学习354
9.2.2 行为克隆355
9.2.3 交互式模仿学习356
9.2.4 逆强化学习358
9.2.5 生成对抗式模仿学习360
9.2.6 单样本模仿学习362
9.3 人类指导强化学习363
9.3.1 基于人为评估反馈的指导364
9.3.2 基于人类偏好的指导366
9.3.3 基于人类注意力的指导367
9.4 本章总结和展望370
习题371
参考文献371
第10章 群智能体知识迁移方法375
10.1 基于知识蒸馏的群智知识迁移376
10.1.1 教师-学生迁移模式376
10.1.2 学生互学习迁移模式381
10.2 基于域自适应的群智知识迁移383
10.2.1 样本自适应知识迁移385
10.2.2 特征自适应知识迁移387
10.2.3 深度网络自适应知识迁移389
10.2.4 对抗自适应知识迁移390
10.3 基于多任务学习的群智知识共享397
10.3.1 多任务联合学习398
10.3.2 辅助任务学习403
10.4 基于元学习的群智知识迁移405
10.4.1 何为元学习406
10.4.2 基于优化的元学习知识迁移409
10.4.3 基于模型的元学习知识迁移416
10.4.4 基于度量的元学习知识迁移418
10.5 基于联邦迁移学习的群智知识迁移422
10.5.1 何为联邦迁移学习422
10.5.2 联邦迁移系统框架423
10.5.3 典型应用428
10.6 基于分层学习的群智技能迁移431
10.6.1 何为技能迁移432
10.6.2 分层强化学习432
10.6.3 模块化分层学习437
10.7 多智能体强化学习中的群智知识迁移438
10.7.1 多智能体经验迁移学习439
10.7.2 多智能体交互迁移学习442
10.8 本章总结和展望445
习题446
参考文献446
第11章 隐私、信任与社会因素455
11.1 激励机制455
11.1.1 移动群智感知中的激励机制456
11.1.2 人机物融合群智计算中的激励机制457
11.1.3 激励机制的典型案例460
11.2 隐私保护462
11.2.1 人机物融合的隐私问题463
11.2.2 人机物融合的隐私解决方案467
11.3 信任计算476
11.3.1 人机物融合的多元信任计算477
11.3.2 人机协同信任机制481
11.3.3 人机物动态环境下的信任构建482
11.4 基于区块链的人机物融合安全可信群智计算架构484
11.4.1 区块链技术研究概述485
11.4.2 典型案例与场景应用488
11.4.3 人机物融合安全可信群智计算架构492
11.5 本章总结和展望494
习题495
参考文献496
第12章 CrowdHMT开放平台506
12.1 研究背景与需求507
12.2 典型主流平台与开放资源分析509
12.2.1 智能物联网平台509
12.2.2 智慧城市平台511
12.2.3 群智感知计算平台512
12.2.4 开放共享资源513
12.3 人机物融合群智计算平台522
12.3.1 通用系统架构523
12.3.2 CrowdHMT自研平台524
12.4 “太易”分布式人机物链中间件539
12.5 应用领域与典型场景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 军事智能551
习题552
参考文献552
|
| 內容試閱：
|
光阴荏苒、岁月如梭，笔者从2010年开展“群智感知计算”相关研究以来，如今已有十多个年头。2010年，移动社交网络、智能手机和泛在感知计算等开始兴起并快速普及，在发现不同来源所获取的海量群体贡献数据所潜藏的巨大价值基础上，我们与法国巴黎国立电信学院张大庆教授合作，在西安召开的第七届IEEE普适智能与计算国际（IEEE UIC 2010）会议上首次提出社群智能（Social and Community Intelligence）的概念，并进一步整理和凝练后发表在2011年第七期的IEEE Computer杂志上。
2012年，清华大学的刘云浩教授首次在《中国计算机学会通讯》（第8卷，第10期）上提出“群智感知计算”的概念，即利用大量普通用户使用的移动设备作为基本感知单元，通过物联网/移动互联网进行协作，实现感知任务分发与感知数据收集利用，终完成大规模、复杂的城市与社会感知任务。刘老师对群智感知计算概念的由来、定义、研究挑战与机遇等做了系统性的阐述，探讨了无意识感知、弱网络连接、低质低可信数据处理等挑战性问题。在此之后，国内群智感知研究得到广泛的重视，逐步发展成为物联网与普适计算领域的研究热点。2013年，国家自然科学基金重点项目群“群智感知网络理论与关键技术”启动，我们有幸参与了北京邮电大学马华东教授负责的“移动社交中感知数据收集的机会路由与交互式内容移交”这一重点基金课题，并就群智感知任务优化分配与数据优选汇聚开展了深入的探索和研究。2015年，由上海交通大学过敏意教授担任首席科学家的973计划项目“城市大数据三元空间协同计算理论与方法”启动，我们承担了其中的“面向城市大数据的三元空间协同感知方法”课题，并对群智感知能力的泛在发现、协作增强、关联表达、优质萃取等关键问题开展系统性研究。同年，我们在ACM Computing Surveys（第48卷，第1期）上发表题为“Mobile Crowd Sensing and Computing: The review of an emerging human-powered sensing paradigm”（群智感知计算：一种以人为中心的新型感知模式）的群智感知综述论文，对群智感知的概念体系、理论方法、挑战与关键技术、典型应用等进行了详细综述，该论文迄今已被国内外研究者引用近700次。2019年，我们研制和发布了CrowdOS（www.crowdos.cn）平台，并面向智慧城市、公共安全、智能制造等国家重大需求开展领域应用和技术推广，得到了国内外同行的广泛关注。经过在群智感知计算领域十余年的持续耕耘，我们在理论、模型、方法、技术等方面都积累了系统而丰富的经验。2020年，在微软学术（Microsoft Academic）统计分析的关于群智感知（Crowd Sensing）研究的作者排名（Top Authors）中，我们团队位列全球。
近年来，智能物联网、群体智能、工业互联网等技术逐步兴起，人（智能手机、可穿戴设备等）、机（云设备/边缘设备）、物（具感知计算能力的物理实体）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。2021年5月28日，习近平总书记在两院院士大会上发表的重要讲话中指出：人类正在进入一个“人机物”三元融合的万物智能互联时代。人机物融合的三元计算是21世纪上半叶信息技术发展的大趋势，这一发展趋势早于2009年中国科学院《中国至2050年信息科技发展路线图》研究中首次明确提出。中国科学院的李国杰院士在《创新求索录》一书中也指出：今天的信息世界已经与一人一机组成的、分工明确的人机共生系统不同，而是一个多人、多机、多物组成的动态开放的网络社会，即物理世界、信息世界、人类社会组成的三元世界。此外，Gartner于2020年也提出“人机物融合智慧空间”的概念，并将其列入当年十大战略科技发展趋势，指出人工智能与物联网、边缘计算和数字孪生等技术的快速发展及深度融合，可为智慧城市、智慧社区、智能制造等领域提供高度集成的智慧空间环境，人、机、物等要素在其中彼此交互与激发，将构建更加组织灵活、行为自适、自主演化的空间。
“人机物融合智能”与国际上陆续流行的“万物互联”“泛在智能”“边缘智能”“信息物理系统”等前沿研究殊途同归，它们具有相似的愿景：通过万物互联，将智能融入万物，实现工业化和信息化的无缝对接。而笔者惊喜地发现这一愿景与群智感知计算“异构群体智能协作增强”的本质内涵不谋而合。在此灵感的推动下，笔者带着十余年从事“群智感知计算”研究的思考，萌发并构思本书的核心思想与主旨脉络，以期系统化地阐明新一代“群智感知计算”的内涵，并匠造出一把开启“人机物融合群智计算”新世界大门的钥匙样本，为更多研究人员提供思维启迪。此外，自2019年起，笔者开始承担两个国家重点研发计划项目（课题），即“面向城市精准管理的新型群智感知技术及应用”和“多维群智融合的制造业智慧空间构建理论”。它们分别从智慧城市和智能制造两个领域的视角出发探索面向人机物融合群智计算的理论创新、核心方法、系统架构以及应用示范。这些项目的实施也促使我们从应用需求牵引的角度出发去进一步思考人机物融合群智计算的内涵与关键技术。
哲学的本质是描述世界，自然科学在此基础上定义和计算物理世界，而计算机科学则旨在通过信息化手段管理物理世界的无序性。因此，为了在人（社会）机（信息）物（物理）三元空间的融合计算中使其蕴含的潜在智能实现无序到有序的管控，本书遵从“理论机理-关键技术-系统平台”的研究脉络。“自然合理、整体关联、动态平衡”是我国古典哲学和宇宙观著作《易经》中首次提出的东方系统论。稽古振今，这一思想也成为笔者构思“人机物融合群智计算”系统性特质的根基。
“自然合理”强调关注人机物异构智能个体感知和计算资源能力的差异性，并充分利用个体差异性实现优势互补，这也是人机物弱智能体通过协作增强智能的根本动机。
“整体关联”则突出异构群智能体之间的组织性和协作性，包括群智涌现机理（如群集动力学）、群智优化算法、人机物协作群智感知、多源群智数据融合、群体分布式学习模型、人机物混合学习模型等。
“动态平衡”则指出环境动态变化是一种必然的客观属性，因此人机物融合群智计算系统必须具有根据动态环境做出主动适应性改变的能力，对应了人机物融合群智计算的环境自适应演化、自学习增强演化和群智知识迁移学习等。
在此思想的指引下，笔者2020年于《人民论坛·学术前沿》上发表的《论智能物联与未来制造—拥抱人机物融合群智计算时代》分析了智能物联网为制造业带来的机遇，阐述了实现人机物融合的群智智能制造所面临的科学和技术挑战，并探讨了新一代人工智能技术如何推动制造业智慧空间构建。笔者2021年于《中国计算机学会通讯》（第17卷，第2期）上提出“人机物融合群智计算”的概念并对其科学问题和未来挑战进行了系统性阐述和展望。另外，结合所从事的国家重点研发项目研究，笔者与北京航空航天大学的张莉教授于《中国计算机学会通讯》（第17卷，第8期）上组织了“群智智能制造”专题，共邀请北京航空航天大学、清华大学、西北工业大学、东南大学、哈尔滨工业大学等相关研究团队撰写6篇文章，就“群智智能制造”这一新兴方向的概念与愿景、研究挑战、基础理论、关键技术、典型应用等进行了系统性阐述。
为了推动人机物融合生态和开放平台的发展，在中国科学院王怀民院士和西北工业大学周兴社教授的亲切关怀和指导下，作者团队于2021年在“中国软件开源创新大赛”中发起“群智感知开源创新赛”，吸引了来自海内外40余所高校的50余支队伍参加。同年8月，研发完成人机物融合群智计算（CrowdHMT）系统的通用系统框架，推出了包含其核心系统模块的开源共享平台（www.crowdhmt.com），并提出“太易”人机物链中间件的设计构想，旨在实现人机物异构群智能体之间的分布式资源共享、通信连接、协作感知、协同计算、分布式学习和隐私保护等。
2020年疫情期间，笔者开始本书的撰写，历时一年有余。本书的基本主旨是将传统的“以人为中心”的群智感知计算拓展深化为“人-机-物异构群智能体融合计算”（简称为人机物融合群智计算），从单纯的群智感知数据收集提升为人机物群智融合的协作计算与增强学习，探索异构群智协同的基础理论创新和关键技术突破。本书特色主要体现在以下几个方面。
1）全书逻辑主线：全书依照“理论机理-关键技术-系统平台”逻辑组织。其中，第3章和第4章介绍理论机理，第5～11章介绍关键技术，第12章介绍系统平台。首先，在理论机理层面，第3章追本溯源，从人类社会、生物和细胞集群、群落生态学等自然科学和社会科学等领域探寻群智协同涌现的机理；第4章穷理尽妙，综合运用生物、人工集群以及演化博弈等动力学理论分析建模群智涌现机制背后的影响因素。其次，在关键技术层面，第5～11章介绍人机物协作群智感知、数据融合、自适应演化、分布式学习、协同计算、知识迁移、隐私信任与社会因素等多种维度的关键技术。后，第12章介绍与本书同名（人机物融合群智计算，CrowdHMT）的开放系统、典型应用及“太易”人机物链中间件构想。
2）纵向关键技术脉络：关键技术涵盖“感知-计算（学习）”两大主干脉络。在感知层面，第5章介绍人机物异构群智能体如何协作感知，第6章介绍如何多维度融合和理解多源群智能体的感知数据；在计算（学习）层面，第7章介绍深度计算模型如何适应环境变化和数据偏移实现自学习增强与自适应演化，第8章介绍如何协同利用群智能体分布式计算资源和数据进行计算/学习，从而完成大规模复杂任务，第9章介绍人机混合学习思想下的样本标注、示范模仿学习以及人类指导强化学习方法，第10章介绍群智能体间如何迁移学习知识、领域、技能和策略以提升系统解决新任务的能力。为了保障人机物融合群智计算系统隐私安全，提升用户参与度和系统可信度，第11章介绍人机物异构群智能体的数据、模型和系统隐私保护机制，以及激励、信任和社会因素。
3）横向问题牵引：各章内按照“问题导向-典型研究-研究实践-拓展思考”的逻辑思路展开。以第7章为例，从智能物联网背景引出在人-机-物终端执行深度学习模型实现智能体推断逐渐成为一种趋势，指出人机物融合群智计算应用情境复杂多变、数据分布差异、数据和学习任务不断增加与演化以及终端平台资源（计算、存储和电量）受限等问题，急需一种具有稳定的动态环境自适应能力和持续自学习增强能力的深度学习模型演化范式。深入介绍深度学习模型的自主演化范式中所包括的深度学习模型的自适应演化（7.2节）和自学习增强演化（7.3节）。更深入地说，7.2节涉及深度计算模型性能指标量化、模型自适应压缩、模型运行时自适应、多平台自适应分割、自适应网络架构搜索等技术分支内的国际前沿典型研究和作者的前期研究实践。后在展望中提出人机混合自学习演化、自适应压缩与分割协同、软硬协同优化三个新颖的未来研究方向。
1945年，美国麻省理工学院的范内瓦·布什教授（著名的“曼哈顿计划”领导者）提交给罗斯福总统一份战略报告—《科学：无尽的前沿》，该报告奠定了美国科学政策的基础架构，提出政府的公共资金要大力支持基础研究，并由此确保了美国在科学创新和研究方面一直处于地位。当前，我们正面临“世界百年未有之大变局”，基础研究和“从0到1”原始创新已成为引领我国未来发展和科学研究变革的必由之路。本书中所探讨的人机物融合群智计算、群体智能等新兴方向方兴未艾，我们期待与广大读者共同探索人机物异构群智能体的协作增强机理与分布式学习机制等基础性问题，在该领域催生更多的创新性成果。
在本书前期酝酿和写作过程中，笔者不断向不同领域的专家和学者请教或学习，在中国计算机大会发起“群智感知计算”“群体感知与群智协同”等论坛，在普适计算专委会的指导下发起“智能感知与城市计算”系列论坛，在国际会议和期刊举办“群智感知”相关特刊或研讨会，并在与诸位专家的讨论和交流过程中受到很多的启发。因此，本书的内容凝聚和汲取了众多学术前辈和同行的心血与智慧，是在前人研究基础上进行的整理、凝练和进一步升华。
在本书编写过程中，西北工业大学智能感知与计算工信部重点实验室的研究生做出了很大的贡献，包括王虹力、丁亚三、马可、吴磊、李诺、刘琰、任思源、欧阳逸、任浩阳、仵允港、郝静怡、张江山、王家瑶、李新宇、张玉琪、徐若楠、张周阳子、景瑶、王倩茹、张艺璇、李智敏、成家慧、冯煦阳、古航、李梦媛、沈豪宸等。稿出来之后，作者和王虹力、丁亚三、马可、吴磊、张江山、张玉琪等又进行了反复的修订和统稿，在此对他们的辛勤付出表示深深的感谢！感谢实验室学术带头人周兴社教授和学术顾问张大庆教授多年来的悉心培养、指导以及在本书编写和审校过程中给予的宝贵意见。西北工业大学的王柱副教授、王亮副教授和刘佳琪副教授等青年教师也对本书的编写提供了大力协助与支持，在此一并表示感谢。此外，还要特别感谢机械工业出版社华章分社的温莉芳常务副社长和李永泉编辑在本书准备过程中给予的全力支持与专业指导。
人机物融合群智计算涉及群体智能、物联网、普适计算、机器学习、生物学等多个研究领域的交叉，在成书过程中，虽然怀着敬畏之心尽可能学习相关领域知识，但仍常常感叹科学世界之浩瀚、学科丛林之广袤与交织，以及个人学识与能力之局限，因此本书还存在很多不足留待后续不断完善。此外，本书涉及新兴研究领域和对未来技术前景的展望，编写时可以参考的内容有限，有些观点和内容难免有失偏颇或存在错误，还望读者谅解并给予批评指正。
本书既可以为物联网、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，也可以作为高年级本科生或研究生的参考教材。
2021年8月于西安
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
