本书主要介绍了智能计算技术相关的理论方法与关键技术，并对典型的应用领域与平台也进行了相关介绍和讨论。全书共10章，简要介绍智能的起源、智能与计算等研究背景及意义，详细介绍了机器学习、深度学习等模型与算法及其应用，着重介绍了图神经网络模型、网学习模型、神经网络架构搜索和大数据资源服务等技术，并面向智能交通和网络交易支付等领域和场景详细介绍了智能技术相关的应用。
本书可供计算机科学与技术领域研究人员参考，也可作为高等院校相关专业的教材。

蒋昌俊，男，教授、博士生导师，国家杰出青年科学基金获得者、973计划项目首席科学家。1986年和1991年于山东科技大学获得计算数学学士和计算机软件与理论硕士学位，1995年于中国科学院自动化所获得控制理论与工程博士学位，1997年于中国科学院计算技术研究所博士后出站。现任同济大学副校长、同济大学嵌入式系统与服务计算教育部重点实验室主任、上海市电子交易与信息服务知识服务平台主任。历任国家自然科学基金委员会信息学部咨询委员会委员、中国人工智能学会副理事长及监事长、中国云体系产业创新战略联盟副理事长、中国自动化学会常务理事、中国计算机学会理事、上海市科协副主席、上海市人工智能战略咨询专家委员会委员及召集人、上海科创板咨询委员会委员、美国电子电气工程师学会（IEEE)上海分会副主席、中国人工智能学会会士、中国自动化学会会士、英国工程技术学会会士、被授予英国Brunel University名誉教授等。担任《Big Data Mining and Analytics》《计算机学报》《软件学报》《电子学报》《人工智能学报》《应用科学学报》《计算机研究与发展》等编委。担任国际学术会议主席、程序委员会主席等20余次。目前与香港城市大学、澳门大学、法国国立高等电信学校、芬兰奥尔多大学、美国阿贡实验室、美国科罗拉多大学、新泽西理工大学、德克萨斯理工大学和德国基尔大学等开展合作研究。
研究成果获得2020年获全国创新争先奖、2016年国家科学技术进步二等奖（第1位）、2013年国家科学技术进步二等奖（第1位）、2010年国家技术发明二等奖（第1位）、省部级三大奖（自然科学、技术发明、科技进步）一等奖8项（均为第1位），2017年中国发明专利奖（第1位）等。此外还获得首届全国百篇优秀博士论文、国际期刊《International Journal of Distributed Systems and Technologies (IJDST)》2010年度最佳论文、11th IET Innovation Awards、15th ACM MobiHoc Best Paper Awards（国内学者首次获得）、Ho Pan Qing Yi Award等。指导的研究生撰写的论文中，1篇获得全国优秀博士论文提名、1篇获得CCF优秀博士论文、5篇获得上海市优秀博士论文。

作者简介
前言
第1章 智能源于人、拓于工
1.1 引言
1.2 智能的定义与历史演进
1.2.1 智能的定义
1.2.2 智能的历史演进
1.3 智能的驱动与发展关系
1.4 人工智能的现状与趋势
1.4.1 人工智能的现状
1.4.2 人工智能发展趋势
1.5 小结
参考文献
第2章 智能与计算
2.1 引言
2.2 计算理论基础
2.3 计算装置的结构
2.4 计算机系统与技术
2.4.1 大数据
2.4.2 物联网
2.4.3 云计算
2.4.4 实时并发
2.4.5 应变适配
2.5 计算机软件算法和应用场景
2.6 智能发展的思考
2.7 小结
参考文献
第3章 机器学习
3.1 引言
3.2 机器学习的发展
3.3 机器学习的模型
3.4 概率模型与推荐算法的组合研究
3.4.1 主要思想
3.4.2 系统模型
3.4.3 实验与分析
3.5 基于图排序算法的自动文摘方法研究
3.5.1 双层相关性度量模型
3.5.2 基于图模型的自动文摘
3.5.3 实验与分析
3.6 基于数据权重调整的欺诈辨识方法研究
3.6.1 分布距离计算
3.6.2 ITrAdaboost主要思想
3.6.3 基于ITrAdaboost的交易欺诈辨识
3.6.4 实验与分析
3.7 小结
参考文献
第4章 深度学习
4.1 引言
4.2 深度学习的表示能力
4.3 深度学习模型
4.3.1 卷积神经网络
4.3.2 循环神经网络
4.3.3 生成对抗网络
4.3.4 注意力机制
4.4 基于全中心损失函数的交易数据去噪方法
4.4.1 重叠去噪方法框架结构
4.4.2 全中心损失函数
4.4.3 实验与分析
4.5 基于高斯函数的对比损失研究
4.5.1 Softmax损失函数的缺陷
4.5.2 基于高斯函数的对比损失算法
4.5.3 损失函数可导性分析
4.6 真值引导下的自注意力SeqGAN模型
4.6.1 基于真值引导的生成器
4.6.2 基于自注意力的判别器
4.6.3 实验与分析
4.7 小结
参考文献
第5章 图神经网络模型
5.1 引言
5.2 图的相关定义
5.3 图卷积神经网络
5.4 邻域扩张动态图神经网络
5.4.1 动态图
5.4.2 邻域扩张动态图神经网络
5.4.3 实验与分析
5.5 基于异质图神经网络的文摘方法
5.5.1 自动文本摘要
5.5.2 文本图定义
5.5.3 MHGS模型
5.5.4 实验与分析
5.6 小结
参考文献
第6章 网学习模型
6.1 引言
6.2 Petri网
6.3 网学习模型
6.3.1 网学习框架
6.3.2 随机Petri网的网学习算法
6.4 随机Petri网数据集
6.4.1 随机Petri网数据集生成
6.4.2 数据的组织方式
6.5 实验与分析
6.5.1 随机Petri网数据集实验分析
6.5.2 网学习算法实验分析
6.6 小结
参考文献
第7章 神经网络架构搜索
7.1 引言
7.2 神经进化与进化计算
7.3 基于神经进化的深度学习模型
7.3.1 卷积神经网络
7.3.2 生成式对抗网络
7.4 进化式生成对抗网络
7.4.1 进化算子设计
7.4.2 EG-GAN模型
7.4.3 EG-GAN的可视化分析
7.4.4 图像修复应用
7.5 小结
参考文献
第8章 大数据资源服务技术
8.1 引言
8.2 大型数据资源服务架构
8.3 数据资源识别和获取
8.3.1 爬虫限制和引导协议
8.3.2 分布式爬虫任务调度策略
8.4 网络大数据索引网络体系
8.4.1 资源索引网络模型
8.4.2 索引网络代数
8.5 小结
参考文献
第9章 智能交通
9.1 引言
9.2 智能交通系统
9.3 多源交通数据集成与融合
9.3.1 多源交通数据的获取与预处理
9.3.2 分布式异构数据融合
9.4 动态路况建模与预测
9.4.1 基于主曲线方法的路况建模
9.4.2 基于非线性时间序列路况预测
9.5 动态网络最优出行
9.5.1 动态最短路算法
9.5.2 动态最短路的启发式算法
9.6 小结
参考文献
第10章 智能交易
10.1 引言
10.2 智能网络交易风险与应对措施
10.2.1 网络交易风险
10.2.2 风险应对措施
10.3 用户行为的风险防控
10.3.1 基于行为的身份认证技术
10.3.2 用户行为证书方法
10.4 交易系统的在线监控
10.4.1 监控系统的组成架构
10.4.2 系统优化管理
10.4.3 系统在线监控
10.5 小结
参考文献
彩图