神经和形态发育系统的演化计算及应用--通向通用人工智能的新途径

定　　价：168 元

• 作者：颜学明
• 出版时间：2024/12/1
• ISBN：9787030805645
• 出 版 社：科学出版社

• 中图法分类：TP183 
• 页码：263
• 版次：1
• 开本：B5

内容简介

本书通过在基因、神经元和细胞等微观层面的计算机建模研究神经系统与形态（身体）的协同演化与发育。首先介绍演化算法、基因调控网络以及脉冲神经网络等用于理解和模拟生物神经系统及形态的演化与发育的计算方法，分析基因调控网络的鲁棒性、可演化性、网络模体、连通性等重要特性，并提供生物调控网络逆向工程的案例。其次介绍多细胞生长模型和多种局部神经可塑性规则的演化方法，研究神经系统与形态发育之间的协同与耦合。最后在自组织模式生成的应用实例中展现演化发育系统的潜力，并强调演化发育方法对于人工智能特别是具身智能的重要性及未来发展前景。

更多科学出版社服务，请扫码获取。

作者介绍

2004.9~2008.6，衡阳师范学院，信息与计算科学，学士 2009.9~2012.6，华南师范大学，计算机应用技术，硕士 2014.9~2017.12，华南理工大学，计算机科学与技术，博士 2022.1~2023.1，德国比勒菲尔德大学，博士后2012.7~2014.8，中国工商银行软件开发中心 2018.1~2023.6，广东外语外贸大学，信息科学与技术学院，讲师 2023.7至今，广东外语外贸大学，信息科学与技术学院，副教授图优化学习、神经架构搜索、多模态学习在IEEE TEVC、IEEE TEICT、 IEEE CIM , KBS 以及Information Sciences 等国内外人工智能领域Top学术期刊以及会议上发表论文20多篇，已申请（或授权）发明专利4项。目前担任人工智能国际期刊Complex & Intelligent Systems 的编委/副编辑，同时还是IEEE TEVC、 IEEE TYCB以及 CIS 等多个国内外期刊的匿名审稿人。

目 录

目录
中文版前言
前言
第1章 演化与发育的计算模型 1
1.1 演化算法 1
1.1.1 通用演化算法 1
1.1.2 参数自适应与演化策略 7
1.1.3 直接表示与间接表示 9
1.1.4 多目标演化算法 10
1.2 基因调控网络的计算模型 14
1.2.1 概述 14
1.2.2 基因调控网络的数学模型 16
1.2.3 基因调控网络的重建 18
1.3 多细胞生长的基因调控模型 19
1.3.1 概述 19
1.3.2 多细胞生物的发育模型 20
1.3.3 细胞发育过程 23
1.4 形态发育和神经发育的建模 24
1.4.1 形态发育的建模 24
1.4.2 早期神经发育建模 24
1.5 活动依赖的神经可塑性 25
1.5.1 神经可塑性类型 25
1.5.2 赫布规则 26
1.5.3 BCM可塑性规则 27
1.5.4 稳态调控 28
1.5.5 脉冲时序依赖可塑性规则 28
1.6 总结 30
第2章 基因调控网络分析 31
2.1 鲁棒性和可演化性 31
2.1.1 鲁棒性 31
2.1.2 可演化性 32
2.1.3 鲁棒性与可演化性之间的权衡 33
2.2 网络模体和连通性 34
2.2.1 典型网络模体及其特性 34
2.2.2 基因调控网络的连通性 36
2.3 布尔基因型-表现型映射中的鲁棒性-可演化性权衡 38
2.3.1 布尔模型 38
2.3.2 布尔模型的编码 39
2.3.3 鲁棒性和创新性的定量度量 42
2.3.4 基因型-表现型映射的多目标优化 43
2.3.5 实验分析 44
2.3.6 讨论 47
2.4 演化发育系统的可演化性 48
2.4.1 概述 48
2.4.2 细胞生长的发育模型 48
2.4.3 不依赖适合度函数的可演化性度量 51
2.4.4 转录因子（TF）动态分析 57
2.4.5 可演化性的演化 61
2.4.6 讨论 64
2.5 总结 65
第3章 基因调控动态特性的演化合成 66
3.1 引言 66
3.2 基因开关和振荡器的演化参数 67
3.2.1 计算模型 67
3.2.2 基因调控动态特性的综合演化 69
3.2.3 可持续基因振荡的可演化性 71
3.3 调控逻辑的演化 77
3.3.1 概述 77
3.3.2 基因调控模体与调控逻辑 78
3.3.3 调控模体的演化 80
3.3.4 实验分析 82
3.4 基因模体的演化耦合 86
3.4.1 概述 86
3.4.2 基因模体 86
3.4.3 耦合模体调控的动态演化 88
3.4.4 仿真分析 89
3.4.5 讨论 92
3.5 s.coelicolor转录调控网络的演化重构 93
3.5.1 概述 93
3.5.2 PhoP网络和基因表达数据 94
3.5.3 通用网络推断算法 94
3.5.4 实验与讨论 96
3.6 总结 98
第4章 形态发育的演化 100
4.1 引言 100
4.2 基本知识 100
4.2.1 基因调控网络的演化 100
4.2.2 多细胞生长模型 101
4.2.3 稳定生长和再生 101
4.3 形态发育的计算模型 102
4.4 演化系统 106
4.4.1 遗传算子 106
4.4.2 适合度函数 106
4.5 实验结果与讨论 107
4.5.1 实验设置 107
4.5.2 稳定增长的可演化性 108
4.5.3 稳定发育的基因调控网络 109
4.5.4 讨论 115
4.6 总结 116
第5章 神经发育的演化 118
5.1 引言 118
5.1.1 神经演化和发育中的跃变 118
5.1.2 神经自组织机制 119
5.2 早期神经发育的演化 119
5.2.1 概述 119
5.2.2 水螅模型 120
5.2.3 早期神经发育的基因模型 121
5.2.4 脉冲神经网络模型 123
5.2.5 发育顺序的演化 123
5.2.6 捕食行为的演化 128
5.2.7 讨论 129
5.3 基因调控神经可塑性的演化 130
5.3.1 引言 130
5.3.2 基于可塑性的学习中的遗忘干扰 131
5.3.3 液态状态机中的局部BCM可塑性规则 140
5.3.4 液态状态机的自组织 143
5.3.5 液态状态机中子储备池的协同演化 145
5.3.6 回声状态网络中局部突触可塑性的演化 153
5.3.7 回声状态网络中局部内在可塑性的演化 157
5.4 总结 161
第6章 脑-体协同演化计算 162
6.1 具身对理解人类智能至关重要 162
6.2 运动神经元双边对称结构的涌现 162
6.2.1 概述 162
6.2.2 波动运动的物理模型 164
6.2.3 神经控制器 165
6.2.4 运动神经元结构与神经控制器的演化 168
6.3 脑-体协同演化中的功能耦合 171
6.3.1 引言 171
6.3.2 模型 171
6.3.3 结果和讨论 172
6.4 神经控制器和形态发育在演化中的耦合 174
6.4.1 形态发育模型 174
6.4.2 神经控制器 174
6.4.3 适合度函数 175
6.4.4 形态与神经控制器之间的耦合 176
6.5 脑-体协同发育的演化 177
6.5.1 基因调控的脑-体协同发育 177
6.5.2 神经控制器 177
6.5.3 适合度函数 178
6.5.4 讨论 178
6.6 总结 178
第7章 形态发育群机器人的演化自组织 179
7.1 形态发育与自组织 179
7.1.1 生物形态发育 179
7.1.2 形态发育自组织 179
7.2 形态发育的固定模式生成 181
7.2.1 多细胞与多机器人系统之间的隐喻 181
7.2.2 问题定义 181
7.2.3 基因调控网络模型 182
7.2.4 基因调控网络的演化优化 184
7.2.5 仿真结果 184
7.3 自适应形态发育边界覆盖 187
7.3.1 概述 187
7.3.2 分层基因调控网络 188
7.3.3 分层基因调控网络模型的演化优化 192
7.3.4 结果与讨论 193
7.4 区域覆盖的形态发育自组织 196
7.4.1 概述 196
7.4.2 区域覆盖的分层双层基因调控网络模型 196
7.4.3 仿真结果 201
7.5 基于基因模体的形态生成 205
7.5.1 概述 205
7.5.2 网络模体 206
7.5.3 基于网络模体演化H-GRN 207
7.5.4 仿真结果 210
7.6 基于形态发生素扩散模型的极简机器人自组织 212
7.6.1 概述 212
7.6.2 Kilobots：一种极简型机器人平台 213
7.6.3 形态发生素扩散模型用于跟踪和驱赶 214
7.6.4 自组织的极简机器人协调运动 221
7.6.5 调控形态发生素梯度实现目标包围与自适应形态生成 229
7.7 总结 235
第8章 通向演化发育系统 237
参考文献 239