幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

雜訊分析及利用

  • 作者：李學龍|責編:劉亞珍
  • 出版社：人民郵電
  • ISBN：9787115680860
  • 出版日期：2025/10/01
  • 裝幀：平裝
  • 頁數：236
人民幣：RMB 118 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書將雜訊分析延續到信息處理的多個領域，特別是在數據不完整、環境不確定的複雜任務中，雜訊的引入反而能夠通過信息的擾動與補全，改善模型的穩定性和魯棒性。這一理論思路在機器學習、大模型、具身機器人、臨地安防等應用領域中得到了探索，充分體現了理論與應用之間的有效銜接，既強調雜訊在信號空間的本質特徵，也關注雜訊如何通過設計介入實際任務，從而轉化為系統優化的有效手段。隨著智能感知與複雜系統設計需求的不斷升級，雜訊的功能性研究將繼續拓展其理論邊界，有望在未來的信號獲取與處理任務中扮演更重要的角色。
    本書不僅可作為信息系統科學與技術相關學科專業的教學參考書，適合高等院校的本科生和研究生閱讀，也可作為從事機器學習、具身智能、涉光學、臨地安防等相關技術研究的科研工作者的實踐指導書。本書對大型企業的技術管理者、對大模型相關技術的研發人員也具有一定參考價值。
作者介紹
李學龍|責編:劉亞珍
    李學龍     中國科學技術大學博士，西北工業大學教授，中國電信集團首席技術官、首席科學家、TeleAI（中國電信人工智慧研究院）院長，陝西省臨地安防學會理事長。多年從事成像、圖像和雜訊的理論和場景等研究。
目錄
第1章  概述
  1.1  無處不在的雜訊
    1.1.1  雜訊的定義和分類
    1.1.2  雜訊的普遍性
  1.2  雜訊的兩面性
    1.2.1  雜訊的有害性
    1.2.2  雜訊的有益性
  1.3  有益雜訊現象
  1.4  雜訊分析的概念與內涵
    1.4.1  雜訊分析的主要方法
    1.4.2  雜訊分析的應用
    1.4.3  雜訊分析的前景
  1.5  本章小結
第2章  雜訊形成與建模
  2.1  自然條件不確定性誘發環境雜訊
    2.1.1  雨水導致信號強度衰減
    2.1.2  降雪引發信號傳輸衰減
    2.1.3  大氣條件造成信號能量衰減
  2.2  感測器感知隨機性催生數據雜訊
    2.2.1  黑體輻射誘導約翰遜熱雜訊
    2.2.2  載流子離散性造成散粒雜訊
    2.2.3  模數轉換近似導致量化雜訊
    2.2.4  多因素時變性引發時變雜訊
  2.3  雜訊建模
    2.3.1  高斯白雜訊建模
    2.3.2  椒鹽雜訊建模
    2.3.3  泊松雜訊建模
    2.3.4  1/f雜訊建模
    2.3.5  相干雜訊建模
    2.3.6  多模態雜訊
  2.4  本章小結
第3章  雜訊分析的資訊理論基礎
  3.1  信息熵的基本概念
    3.1.1  信息熵的源起
    3.1.2  信息熵的定義
  3.2  互信息與信息增益
    3.2.1  互信息的定義
    3.2.2  信息增益的定義
    3.2.3  互信息與信息增益在雜訊分析中的應用
  3.3  信容理論
    3.3.1  信容的基本概念
    3.3.2  信容的特性
    3.3.3  信容的計算
    3.3.4  信容理論在雜訊分析中的應用
  3.4  正激勵雜訊理論
    3.4.1  正激勵雜訊定義
    3.4.2  單標籤分類下的正激勵雜訊
    3.4.3  隨機共振現象下的正激勵雜訊
    3.4.4  多任務學習與對抗訓練任務下的正激勵雜訊
  3.5  本章小結

第4章  雜訊分析在機器學習領域的應用
  4.1  正激勵雜訊在模態處理任務的應用
    4.1.1  視覺分類任務中的應用
    4.1.2  視覺語言任務中的應用
    4.1.3  時序信號處理任務中的應用
  4.2  正激勵雜訊在表徵學習中的應用
    4.2.1  正激勵雜訊增強對比學習
    4.2.2  正激勵雜訊增強圖表徵學習
    4.2.3  正激勵雜訊增強錨點選取
  4.3  深度學習結構中的有益雜訊
    4.3.1  隨機失活技術
    4.3.2  隨機池化技術
  4.4  基於雜訊的擴散生成模型
    4.4.1  去噪擴散概率模型（DDPM）
    4.4.2  去噪擴散隱式模型（DDIM）
    4.4.3  穩定擴散模型（SDM）
  4.5  雜訊魯棒的數據挖掘演算法
    4.5.1  雜訊魯棒的降維演算法
    4.5.2  雜訊魯棒的聚類演算法
  4.6  雜訊魯棒的現代深度學習演算法
    4.6.1  雜訊魯棒性的理論基礎
    4.6.2  現代雜訊魯棒性技術
    4.6.3  基於雜訊分析的現代深度學習演算法
    4.6.4  雜訊魯棒性提升的方法
    4.6.5  實際應用與挑戰
  4.7  本章小結
第5章  雜訊分析在大模型領域的應用
  5.1  大模型簡介
  5.2  基於雜訊分析的模型量化
    5.2.1  由量化引入的雜訊
    5.2.2  量化雜訊的正激勵性
    5.2.3  量化雜訊的定量分析
  5.3  大模型解碼採樣生成策略的雜訊控制
    5.3.1  確定性解碼與重複生成
    5.3.2  隨機採樣的雜訊控制
    5.3.3  解碼過程的雜訊控制
    5.3.4  測試時間採樣
    5.3.5  採樣雜訊控制優化
  5.4  大模型推理中的雜訊分析
    5.4.1  蒙特卡洛樹搜索與推理優化
    5.4.2  長序列建模與高級注意力
    5.4.3  大模型的雜訊攻防策略
  5.5  本章小結
第6章  雜訊分析在具身機器人領域的應用
  6.1  正激勵雜訊具身環境感知
    6.1.1  機器人狀態空間中的雜訊感知
    6.1.2  圖像觀測空間中的雜訊感知
  6.2  基於雜訊的具身動力學建模
    6.2.1  隱空間機器人動力學模型
    6.2.2  擴散模型驅動的世界模型

  6.3  雜訊驅動的具身策略學習
    6.3.1  雜訊驅動的主動環境探索
    6.3.2  雜訊驅動的價值函數建模
    6.3.3  雜訊驅動的離線強化學習
    6.3.4  雜訊驅動的具身軌跡規劃
  6.4  雜訊驅動的具身策略遷移
    6.4.1  魯棒的策略跨域遷移
    6.4.2  模擬—真實策略遷移
  6.5  本章小結
第7章  雜訊分析在臨地安防領域的應用
  7.1  低空安防中的雜訊分析
    7.1.1  雜訊分析在空域管理中的應用
    7.1.2  雜訊分析在態勢評估中的應用
    7.1.3  雜訊分析在目標偵測中的應用
    7.1.4  雜訊分析在多智能體中的應用
  7.2  水下安防中的雜訊分析
    7.2.1  雜訊分析在水下遙感監測中的應用
    7.2.2  雜訊分析在水下通信中的應用
    7.2.3  雜訊分析在漁業養殖中的應用
  7.3  跨域安防中的雜訊分析
    7.3.1  雜訊分析在跨域偵察中的應用
    7.3.2  雜訊分析在車路協同中的應用
    7.3.3  雜訊分析在災害救援中的應用
    7.3.4  雜訊分析在水陸兩棲飛行器中的應用
    7.3.5  雜訊分析在跨介質通信中的應用
    7.3.6  雜訊分析在試飛監測中的應用
  7.4  本章小結
第8章  總結與展望
  8.1  內容回顧
  8.2  未來展望
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032