| 翻訳にあたって
序 |
|
| ◇第1章 不確実性からの人工知能への挑戦◇
Aritificial Intelligence Challenged by Uncertainty |
|
1.1 人間の知能の不確実性
1.1.1 不確実性の魅力
1.1.2 エントロピーの世界
1.2 人工知能の60年の発展
1.2.1 ダートマス会議の議論
1.2.2 時代と共に進化する目標
1.2.3 過去60年間の人工知能の顕著な成果
1.3 人工知能の主な研究方法
1.3.1 シンボリズム 1.3.2 コネクショニズム
1.3.3 ビヘイビアリズム
1.4 人工知能の学際的動向
1.4.1 脳科学と人工知能
1.4.2 認知科学と人工知能
1.4.3 ネットワーク科学と人工知能
1.4.4 学際的研究によって達成すべきブレイクスルー |
|
|
◇第2章 クラウドモデル―定性―定量間の変換モデル ◇
Cloud Model：a Cognitive Model for Qualitative
andQuantitative Transformation |
|
2.1 不確実性を含む人工知能の研究の展望
2.1.1 人間の知能に関する研究の複数の展望
2.1.2 自然言語における概念の重要性
2.1.3 概念の中のランダム性とファジィ性の関係
2.2 クラウドモデルによる概念の不確実性の表現
2.2.1 クラウドとクラウドドロップ
2.2.2 クラウドの数値的特徴
2.2.3 クラウドモデルの種類
2.3 順ガウスクラウドモデル
2.3.1 アルゴリズムの説明
2.3.2 概念に対するクラウドドロップの貢献
2.3.3 ガウスクラウドによる太陰暦24節気の理解
2.4 ガウスクラウドの数学的性質
2.4.1 クラウドドロップ分布の統計的な分析
2.4.2 クラウドドロップ確定度の統計的な分析
2.4.3 ガウスクラウドの期待値曲線
2.4.4 クラウドからフォグへ
2.5 逆ガウスクラウドのアルゴリズム
2.5.1 アルゴリズムの説明
2.5.2 逆ガウスクラウドのパラメータ推定と誤差解析
2.6 クラウドモデルのさらなる理解へ
2.6.1 射撃の判定
2.6.2 不確実性を含んだフラクタル
2.7 ガウスクラウドの普遍性
2.7.1 ガウス分布の普遍性
2.7.2 ベル型メンバシップ関数の普遍性
2.7.3 ガウスクラウドの普遍的な意味 |
|
| ◇第3章 ガウスクラウド変換◇
Gaussian Cloud Tranformation |
|
3.1 グラニュラーコンピューティングにおける専門用語
3.1.1 スケール、レベル、粒度
3.1.2 概念木と汎概念木
3.2 ガウス変換
3.2.1 ガウス変換のパラメータ推定
3.2.2 ガウス変換のアルゴリズム
3.3 ガウスクラウド変換
3.3.1 ガウス変換からガウスクラウド変換へ
3.3.2 ヒューリスティックガウスクラウド変換
3.3.3 適応的ガウスクラウド変換
3.3.4 多次元ガウスクラウド変換
3.4 画像分割のためのガウスクラウド変換
3.4.1 画像での遷移領域の検出
3.4.2 画像上の差分対象抽出 |
|
|
◇第4章 データフィールドとトポロジーポテンシャル◇
Data Field and Topological Potential |
|
4.1 データフィールド
4.1.1 場を用いたデータ対象間の相互作用の叙述
4.1.2 物理フィールドからデータフィールドへ
4.1.3 データのポテンシャルフィールドと力場
4.1.4 場関数の影響因子の選択
4.2 データフィールドに基づくクラスタリング
4.2.1 分類とクラスタリングにおける不確実性
4.2.2 データフィールドに基づく動的クラスタリング
4.2.3 データフィールドにおける顔画像の表情クラスタリング
4.3 トポロジーポテンシャルに基づく複雑ネットワークに関する研究
4.3.1 データフィールドからトポロジーポテンシャルへ
4.3.2 トポロジーポテンシャルによるネットワーク中の重要なノードの検出
4.3.3 トポロジーポテンシャルによるネットワーク地域社会の発見
4.3.4 トポロジーポテンシャルによるウィキペディアにおける人気記事の発見 |
|
| ◇第5章 推論と定性知識の制御◇
Reasoning and Control of Qualitative Knowledge |
|
5.1 クラウド推論
5.1.1 クラウドモデルによる定性的ルールの構築
5.1.2 ルール集合の生成
5.2 クラウド制御
5.2.1 クラウド制御の原理
5.2.2 ファジィ制御に対するクラウド制御の理論解釈
5.3 倒立振子における不確実性制御
5.3.1 倒立振子およびその制御
5.3.2 単リンク、二重リンク倒立振子の定性的制御の原理
5.3.3 三重リンク倒立振子のクラウド制御の策略
5.3.4 倒立振子の動的平衡パターン
5.4 インテリジェントドライブにおける不確実性制御
5.4.1 自動車のインテリジェントドライブ
5.4.2 インテリジェントカーに基づく運転挙動シミュレーション |
|
| ◇第6章 認知物理学方法に基づく群知能の研究◇
Cognitive Physics for Swarm Intelligence |
|
6.1 知能- 群知能の重要な原因
6.1.1 群知能
6.1.2 群体行動を表現する様式としての創発
6.2 群体知能におけるクラウドモデルとデータフィールドの応用
6.2.1 離散的個体動作のクラウドモデル表示
6.2.2 データフィールドに基づく個体間の相互作用
6.3 典型的ケース：「拍手の音」
6.3.1 クラウドモデルで示された人間の拍手動作
6.3.2 データフィールドに基づく拍手の相互拡散反映
6.3.3 「拍手の音」の計算モデル
6.3.4 実験プラットフォーム
6.3.5 創発の多様性分析
6.3.6 誘導された同期化拍手 |
|
| ◇第7章 クラウドコンピューティングによる不確実性人工知能の大きな発展◇
Great Development of Artificial Intelligence
with Uncertainty Due to Cloud Computing |
|
7.1 クラウドモデルから見るファジィ集合の貢献と制限
7.1.1 ファジィ理論に関する矛盾した議論
7.1.2 曖昧性のランダム性への依存
7.1.3 ファジィ推論から不確実性推論へ
7.2 チューリングコンピューティングからクラウドコンピューティングへ
7.2.1 チューリングマシンを超えるクラウドコンピューティング
7.2.2 クラウドコンピューティングとクラウドモデル
7.2.3 ガウス分布とベキ法則分布の間に漫歩するクラウドモデル
7.3 ビッグデータは不確実性人工知能を必要とする
7.3.1 データベースからビッグデータへ
7.3.2 ネットワークインタラクションと群体知能
7.4 不確実性人工知能に対する展望 |
|
|
参考文献
索引 |
