● 章 无人机自主决策与贝叶斯网络
1．1 无人机自主决策
1．2 无人机自主决策中的几种人工智能方法对比
1．3 贝叶斯网络的研究现状
1．3．1 贝叶斯网络信息表达
1．3．2 贝叶斯网络推理方法
1．3．3 动态贝叶斯网络研究现状
1．3．4 变结构动态贝叶斯网络研究现状
第2章 贝叶斯网络及其推理
2．1 贝叶斯网络基础
2．1．1 节点及其取值
2．1．2 结构
2．1．3 参数
2．2 贝叶斯网络的特性
2．2．1 条件独立性
2．2．2 有向分隔
2．3 贝叶斯网络推理的基本类型
2．4 单连通网络的精确推理
2．4．1 单连通网络和多连通网络
2．4．2 消息传播算法
2．4．3 算例
2．5 多连通网络的精确推理
2．5．1 联接树算法基本流程
2．5．2 算例
2．5．3 算法分析
2．6 不确定证据的推理
2．6．1 证据类型
2．6．2 虚拟节点
2．6．3 消息传播算法中不确定证据的推理
2．6．4 联接树算法中不确定证据的推理
第3章 离散动态贝叶斯网络及其精确推理
3．1 动态贝叶斯网络
3．1．1 动态贝叶斯网络的定义及表示
3．1．2 动态贝叶斯网络推理的基本任务
3．2 前向后向算法
3．2．1 算法描述
3．2．2 算例
3．3 改进的前向后向算法及复杂度分析
3．3．1 算法描述
3．3．2 复杂度分析
3．3．3 算例
3．4 快速前向后向算法
3．4．1 算法描述
3．4．2 复杂度分析
3．5 基于双向计算因子的前向后向算法
3．5．1 双向计算因子的定义
3．5．2 算法描述
3．5．3 复杂度分析
3．5．4 算例
3．6 接口算法
3．6．1 接口算法描述
3．6．2 复杂度分析
3．7 离散动态贝叶斯网络的直接计算推理算法
3．7．1 直接计算推理算法基础
3．7．2 传统离散动态贝叶斯网络的数据结构
3．7．3 算法描述
3．7．4 复杂度分析
3．7．5 算例
3．8 离散模糊动态贝叶斯网络及其推理
3．8．1 模糊分类
3．8．2 算法描述
3．8．3 复杂度分析
3．8．4 算例
第4章 离散动态贝叶斯网络的近似推理
4．1 时间窗和时间窗宽度的基本概念
……
第5章 变结构动态贝叶斯网络的推理
第6章 离散动态贝叶斯网络缺失数据的修补
第7章 基于离散动态贝叶斯网络的无人机智能决策
参考文献
后记
内容简介
贝叶斯网络起源于20世纪80年代中期对人工智能中的不确定性问题的研究，已成为人工智能的一个重要领域，对统计学、系统工程、信息论、模式识别等学科产生了重要的影响。被广泛应用于医疗诊断、工业应用、金融分析、计算机系统、军事应用、生物信息等领域。
高晓光//陈海洋 著作
高晓光，辽宁鞍山人，1957年生，博士。西北工业大学教授、博士生导师，国家示范型靠前科技合作基地“飞行器综合体效能分析靠前科技合作基地”主任、教育部重点实验室“空天电子信息感知与光电控制”实验室主任。中国指挥与控制学会常务理事。长期从事贝叶斯网......
评论晒单