最新章节

• 【正版无广】外国机构名中英文对照表
• 外国人名中英文对照表
• 后记
• 参考资料
• 23.6 小结
• 23.5 小样本学习研究

• 【正版无广】外国机构名中英文对照表 更新时间：2020-11-24 12:53:06
• 外国人名中英文对照表
• 后记
• 参考资料
• 23.6 小结
• 23.5 小样本学习研究
• 23.4 深度学习与传统方法的结合
• 23.3 机器学习可解释性研究
• 23.2 知识驱动的智能技术
• 23.1 知识表示与推理
• 第23章 知识工程领域未来展望
• 第八部分 展望
• 参考资料
• 22.5 小结
• 22.4 谣言检测最新技术
• 22.3 谣言检测任务的难点
• 22.2 谣言检测相关定义
• 22.1 技术背景
• 第22章 互联网谣言检测与知识辨伪
• 参考资料
• 21.6 小结
• 21.5 未来深度学习在自然语言处理中的发展
• 21.4 深度学习在自然语言处理中的应用
• 21.3 深度学习在自然语言处理中面临的问题
• 21.2 深度学习
• 21.1 自然语言处理
• 第21章 深度学习与自然语言处理
• 参考资料
• 20.3 农业知识服务
• 20.2 农业知识库构建
• 20.1 农业大数据的知识获取
• 第20章 农业大数据知识服务
• 参考资料
• 19.4 知件和基于知件的软件工程
• 19.3 基于深度学习的软件代码分析和生成
• 19.2 基于环境建模的需求获取和分析
• 19.1 全过程基于知识方法
• 第19章 基于知识的软件工程
• 第七部分 知识工程交叉领域
• 参考资料
• 18.5 小结
• 18.4 不相容问题求解
• 18.3 可拓知识获取
• 18.2 基于可拓规则的知识表示方法
• 18.1 可拓信息—知识—策略形式化体系
• 第18章 可拓知识工程与知识转换
• 参考资料
• 17.2 迁移学习研究前景及挑战
• 17.1 迁移学习算法
• 第17章 迁移学习
• 第六部分 知识迁移和转换
• 参考资料
• 16.6 小结
• 16.5 脑机融合信息处理的实现思路初探
• 16.4 脑机融合的信息处理框架
• 16.3 混合智能的信息回路模型
• 16.2 脑机融合的混合智能
• 16.1 引言
• 第16章 脑机融合的信息处理
• 参考资料
• 15.8 未来展望
• 15.7 智能对弈
• 15.6 安全博弈论
• 15.5 算法博弈论
• 15.4 分布式规划
• 15.3 多智能体协作
• 15.2 多智能体学习
• 15.1 概述
• 第15章 多智能体协同与智能博弈
• 参考资料
• 14.4 脑机融合推理与决策
• 14.3 智能体系统结构
• 14.2 智能体ABGP模型
• 14.1 概述
• 第14章 智能体系统
• 第五部分 知识的智能建模
• 13.4 面向复杂查询的异质媒体搜索技术
• 13.3 面向大数据泛在搜索环境的异质媒体搜索
• 13.2 大数据异质媒体搜索环境下的认知行为规律分析
• 13.1 大数据驱动的知识搜索
• 第13章 基于认知的多媒体大数据驱动知识搜索
• 参考资料
• 12.5 小结
• 12.4 知识可拓优化技术
• 12.3 智能知识的挖掘算法与技术
• 12.2 智能知识管理研究概况
• 12.1 引言
• 第12章 智能知识管理
• 参考资料
• 11.5 未来研究方向
• 11.4 智能知识管理研究现状
• 11.3 智能知识管理基本概念
• 11.2 智能知识管理研究概述
• 11.1 研究背景
• 第11章 大数据挖掘与知识管理
• 第四部分 知识管理与搜索
• 参考资料
• 10.4 表格语义提取
• 10.3 自然语言语义提取
• 10.2 文档结构识别
• 10.1 背景
• 第10章 富格式文本中的知识发现
• 参考资料
• 9.4 国内研究现状
• 9.3 机器学习方法
• 9.2 可视化数据挖掘方法
• 9.1 描述性统计方法
• 第9章 大数据知识发现——理论与技术
• 参考资料
• 8.4 小结
• 8.3 大数据实践
• 8.2 大数据知识发现技术研究成果
• 8.1 大数据知识发现技术挑战
• 第8章 大数据知识发现—挑战与应对
• 第三部分 知识发现
• 参考资料
• 7.3 时空知识推理应用
• 7.2 定性空间关系推理
• 7.1 定性空间关系模型
• 第7章 时空知识表示与推理
• 参考资料
• 6.6 粒计算的应用研究
• 6.5 多粒度模型与方法
• 6.4 粒计算推理
• 6.3 不确定性度量
• 6.2 粒计算模型
• 6.1 数据粒化
• 第6章 知识粒计算——理论、模型与方法
• 参考资料
• 5.3 因素空间对知识工程的基本构想
• 5.2 因素空间的内容、意义与方法
• 5.1 发展智能科学需要智能数学
• 第5章 因素空间与知识表示的数学理论
• 参考资料
• 4.7 不完备与不一致信息的概念学习
• 4.6 复杂环境下信息系统知识不确定度量
• 4.5 粗糙近似算子的构建与多粒度多标记模型
• 4.4 基于模糊粗糙集的建模与学习
• 4.3 基于模糊性的知识表示与学习
• 4.2 非规范知识处理研究成果概述
• 4.1 非规范知识处理的基本理论概述
• 第4章 非规范知识表示与处理
• 参考资料
• 3.6 大规模复杂网络的多元结构知识发现
• 3.5 多源信息融合与开放网络知识计算
• 3.4 中文领域开放知识图谱：OpenKG
• 3.3 开放的知识图谱项目
• 3.2 知识图谱的价值
• 3.1 知识图谱简介
• 第3章 开放知识图谱
• 第二部分 知识表示
• 参考资料
• 2.5 小结
• 2.4 大知识工程实践和原型系统
• 2.3 大知识工程
• 2.2 大知识与大知识系统
• 2.1 从大数据到大知识
• 第2章 大知识与大知识工程
• 参考资料
• 1.5 小结：大人工智能时代
• 1.4 大数据知识工程的应用场景
• 1.3 大数据知识工程概念与处理框架
• 1.2 知识工程的发展
• 1.1 人工智能与知识工程
• 第1章 知识工程到大数据知识工程
• 第一部分 大数据知识工程引论
• 前言
• 序言
• 《中国人工智能发展报告——知识工程（2019—2020）》编写组
• 《中国人工智能发展报告（2019—2020）》编委会
• 内容简介
• 版权信息
• 封面

• 封面
• 版权信息
• 内容简介
• 《中国人工智能发展报告（2019—2020）》编委会
• 《中国人工智能发展报告——知识工程（2019—2020）》编写组
• 序言
• 前言
• 第一部分 大数据知识工程引论
• 第1章 知识工程到大数据知识工程
• 1.1 人工智能与知识工程
• 1.2 知识工程的发展
• 1.3 大数据知识工程概念与处理框架
• 1.4 大数据知识工程的应用场景
• 1.5 小结：大人工智能时代
• 参考资料
• 第2章 大知识与大知识工程
• 2.1 从大数据到大知识
• 2.2 大知识与大知识系统
• 2.3 大知识工程
• 2.4 大知识工程实践和原型系统
• 2.5 小结
• 参考资料
• 第二部分 知识表示
• 第3章 开放知识图谱
• 3.1 知识图谱简介
• 3.2 知识图谱的价值
• 3.3 开放的知识图谱项目
• 3.4 中文领域开放知识图谱：OpenKG
• 3.5 多源信息融合与开放网络知识计算
• 3.6 大规模复杂网络的多元结构知识发现
• 参考资料
• 第4章 非规范知识表示与处理
• 4.1 非规范知识处理的基本理论概述
• 4.2 非规范知识处理研究成果概述
• 4.3 基于模糊性的知识表示与学习
• 4.4 基于模糊粗糙集的建模与学习
• 4.5 粗糙近似算子的构建与多粒度多标记模型
• 4.6 复杂环境下信息系统知识不确定度量
• 4.7 不完备与不一致信息的概念学习
• 参考资料
• 第5章 因素空间与知识表示的数学理论
• 5.1 发展智能科学需要智能数学
• 5.2 因素空间的内容、意义与方法
• 5.3 因素空间对知识工程的基本构想
• 参考资料
• 第6章 知识粒计算——理论、模型与方法
• 6.1 数据粒化
• 6.2 粒计算模型
• 6.3 不确定性度量
• 6.4 粒计算推理
• 6.5 多粒度模型与方法
• 6.6 粒计算的应用研究
• 参考资料
• 第7章 时空知识表示与推理
• 7.1 定性空间关系模型
• 7.2 定性空间关系推理
• 7.3 时空知识推理应用
• 参考资料
• 第三部分 知识发现
• 第8章 大数据知识发现—挑战与应对
• 8.1 大数据知识发现技术挑战
• 8.2 大数据知识发现技术研究成果
• 8.3 大数据实践
• 8.4 小结
• 参考资料
• 第9章 大数据知识发现——理论与技术
• 9.1 描述性统计方法
• 9.2 可视化数据挖掘方法
• 9.3 机器学习方法
• 9.4 国内研究现状
• 参考资料
• 第10章 富格式文本中的知识发现
• 10.1 背景
• 10.2 文档结构识别
• 10.3 自然语言语义提取
• 10.4 表格语义提取
• 参考资料
• 第四部分 知识管理与搜索
• 第11章 大数据挖掘与知识管理
• 11.1 研究背景
• 11.2 智能知识管理研究概述
• 11.3 智能知识管理基本概念
• 11.4 智能知识管理研究现状
• 11.5 未来研究方向
• 参考资料
• 第12章 智能知识管理
• 12.1 引言
• 12.2 智能知识管理研究概况
• 12.3 智能知识的挖掘算法与技术
• 12.4 知识可拓优化技术
• 12.5 小结
• 参考资料
• 第13章 基于认知的多媒体大数据驱动知识搜索
• 13.1 大数据驱动的知识搜索
• 13.2 大数据异质媒体搜索环境下的认知行为规律分析
• 13.3 面向大数据泛在搜索环境的异质媒体搜索
• 13.4 面向复杂查询的异质媒体搜索技术
• 第五部分 知识的智能建模
• 第14章 智能体系统
• 14.1 概述
• 14.2 智能体ABGP模型
• 14.3 智能体系统结构
• 14.4 脑机融合推理与决策
• 参考资料
• 第15章 多智能体协同与智能博弈
• 15.1 概述
• 15.2 多智能体学习
• 15.3 多智能体协作
• 15.4 分布式规划
• 15.5 算法博弈论
• 15.6 安全博弈论
• 15.7 智能对弈
• 15.8 未来展望
• 参考资料
• 第16章 脑机融合的信息处理
• 16.1 引言
• 16.2 脑机融合的混合智能
• 16.3 混合智能的信息回路模型
• 16.4 脑机融合的信息处理框架
• 16.5 脑机融合信息处理的实现思路初探
• 16.6 小结
• 参考资料
• 第六部分 知识迁移和转换
• 第17章 迁移学习
• 17.1 迁移学习算法
• 17.2 迁移学习研究前景及挑战
• 参考资料
• 第18章 可拓知识工程与知识转换
• 18.1 可拓信息—知识—策略形式化体系
• 18.2 基于可拓规则的知识表示方法
• 18.3 可拓知识获取
• 18.4 不相容问题求解
• 18.5 小结
• 参考资料
• 第七部分 知识工程交叉领域
• 第19章 基于知识的软件工程
• 19.1 全过程基于知识方法
• 19.2 基于环境建模的需求获取和分析
• 19.3 基于深度学习的软件代码分析和生成
• 19.4 知件和基于知件的软件工程
• 参考资料
• 第20章 农业大数据知识服务
• 20.1 农业大数据的知识获取
• 20.2 农业知识库构建
• 20.3 农业知识服务
• 参考资料
• 第21章 深度学习与自然语言处理
• 21.1 自然语言处理
• 21.2 深度学习
• 21.3 深度学习在自然语言处理中面临的问题
• 21.4 深度学习在自然语言处理中的应用
• 21.5 未来深度学习在自然语言处理中的发展
• 21.6 小结
• 参考资料
• 第22章 互联网谣言检测与知识辨伪
• 22.1 技术背景
• 22.2 谣言检测相关定义
• 22.3 谣言检测任务的难点
• 22.4 谣言检测最新技术
• 22.5 小结
• 参考资料
• 第八部分 展望
• 第23章 知识工程领域未来展望
• 23.1 知识表示与推理
• 23.2 知识驱动的智能技术
• 23.3 机器学习可解释性研究
• 23.4 深度学习与传统方法的结合
• 23.5 小样本学习研究
• 23.6 小结
• 参考资料
• 后记
• 外国人名中英文对照表
• 【正版无广】外国机构名中英文对照表 更新时间：2020-11-24 12:53:06