商品描述
本書在兼顧廣度和深度的前提下，深度融合計算機科學、物聯網、
人工智能、邊緣智能、群智感知計算等相關學科和方向的專業概念，
重點闡述了智能物聯網領域基礎理論、架構和關鍵技術進展。
從AIoT新型體系架構出發，按照“智能感知-網絡增強-協同計算-平台應用”的組織思路，
遵循“創新引領、深入淺出、理論+實踐”的原則基調，就智能物聯網AIoT的基本概念
、AIoT體系架構、多模態感知、智能無線感知、群智感知、智能物聯網絡、終端適配智能計算、
分佈式學習、端邊雲協同計算、平台及典型應用等進行系統性闡述和深入探討。
本書不僅可以作為計算機和物聯網相關專業高年級本科生和研究生的課程教材，也適合所有希望了解智能物聯網的工程技術人員閱讀。
目錄大綱
序言
前言
第1章緒論1
1.1 背景與趨勢1
1.2 智能物聯網概念與特徵3
1.2.1 物聯網與人工智能發展概述3
1.2.2 智能物聯網概念5
1.2.3 智能物聯網特徵6
1.3 智能物聯網體系架構與軟件平台6
1.3.1 雲邊端協同AIoT體系架構7
1.3.2 AIoT系統軟件平台8
1.4 關鍵技術9
1.4.1 泛在智能感知10
1.4.2 群智感知計算10
1.4.3 智能物聯網通信11
1.4.4 終端適配深度計算12
1.4.5 物聯網分佈式學習12
1.4.6 雲邊端協同計算13
1.4.7 安全與隱私保護14
1.5 典型應用14
1.5.1 智能家居14
1.5.2 自動駕駛15
1.5.3 智慧城市17
1.5.4 智能工廠19
1.6 本書整體結構20
1.7 習題22
參考文獻22
第2章智能物聯網體系架構25
2.1 物聯網體系架構25
2.1.1 ISO物聯網參考體系架構26
2.1.2 IETF物聯網體系架構29
2.2 智能物聯網系統模型31
2.2.1 AI功能的實現32
2.2.2 智能物聯網體系架構概述34
2.3 典型的智能物聯網體系架構35
2.3.1 Azure IoT架構35
2.3.2 阿里雲IoT架構38
2.4 習題41
參考文獻42
第3章多模態智能感知43
3.1 物聯網多模態感知背景43
3.1.1 多模態感知概念43
3.1.2 物聯網數據特徵44
3.2 物聯網中的視覺感知44
3.2.1 視覺感知基礎44
3.2.2 移動目標檢測49
3.2.3 移動地圖構建50
3.2.4 視頻流目標跟踪55
3.2.5 視頻動作識別56
3.3 物聯網中的聽覺感知57
3.3.1 聽覺感知基礎57
3.3.2 語音識別模型62
3.3.3 人機語音交互70
3.4 物聯網中的多模態融合感知74
3.4.1 多模態感知數據融合方法74
3.4.2 多模態融合感知挑戰和機遇77
3.5 習題78
參考文獻79
第4章智能無線感知82
4.1 無線感知基礎原理82
4.1.1 無線感知信號82
4.1.2 無線感知理論模型84
4.1.3 無線感知系統工作模式87
4.2 基於Wi-Fi的智能感知技術87
4.2.1 Wi-Fi感知的基本概念和原理87
4.2.2 Wi-Fi感知關鍵技術88
4.2.3 Wi-Fi感知典型應用94
4.3 基於RFID的智能感知技術100
4.3.1 RFID技術基本概念與感知原理100
4.3.2 RFID感知關鍵技術與應用103
4.4 總結與展望108
4.4.1 常見無線感知方式對比109
4.4.2 無線感知研究挑戰和發展趨勢110
4.5 習題111
參考文獻111
第5章群智感知114
5.1 群智感知基本概念114
5.1.1 群智感知定義115
5.1.2 群智感知體系架構117
5.2 群智感知任務分配118
5.2.1 任務分配模型118
5.2.2 任務分配方法124
5.3 群智感知數據優選131
5.3.1 數據選擇機制131
5.3.2 感知數據質量評估132
5.3.3 冗餘數據優選134
5.4 群智感知激勵機制137
5.4.1 群智感知激勵模型137
5.4.2 用戶激勵方法138
5.5 群智感知發展趨勢143
5.6 習題144
參考文獻145
第6章智能物聯網絡148
6.1 物聯網通信體系架構148
6.1.1 物聯網通信參考模型149
6.1.2 物聯網通信標準149
6.1.3 智能物聯網絡151
6.2 物聯網智能接入控制152
6.2.1 認知MAC協議152
6.2.2 基於模糊邏輯的接入延遲改善154
6.2.3 應用強化學習緩解無線信道沖突156
6.3 物聯網智能路由157
6.3.1 基於強化學習的物聯網路由158
6.3.2 基於神經網絡的物聯網路由160
6.3.3 基於人工智能技術對現有物聯網路由協議的改進161
6.4 物聯網智能傳輸控制163
6.4.1 基於神經網絡的擁塞控制方法163
6.4.2 其他智能擁塞控制方法166
6.5 習題168
參考文獻168
第7章物聯網終端智能170
7.1 深度模型壓縮171
7.1.1 深度模型壓縮172
7.1.2 深度模型按需壓縮176
7.1.3 深度模型超參數優化178
7.1.4 深度模型動態推理179
7.2 深度模型量化182
7.2.1 基本概念183
7.2.2 基本方法185
7.2.3 低比特位寬量化187
7.2.4 量化與硬件加速191
7.3 深度模型自動化搜索191
7.4 軟硬協同加速193
7.4.1 微控制器深度計算194
7.4.2 性能評估方法195
7.5 習題198
參考文獻198
第8章智能物聯網機器學習201
8.1 物聯網聯邦學習202
8.1.1 橫向聯邦學習204
8.1.2 縱向聯邦學習207
8.1.3 個性化聯邦學習208
8.2 物聯網智能決策210
8.2.1 強化學習與智能決策212
8.2.2 物聯網多智能體協同決策214
8.2.3 多智能體協同決策方法215
8.3 物聯網知識遷移217
8.3.1 知識蒸餾方法218
8.3.2 域自適應方法221
8.3.3 元學習方法224
8.4 習題227
參考文獻227
第9章智能物聯網協同計算230
9.1 協同計算基本內涵230
9.2 分佈式數據融合計算232
9.2.1 多模態數據融合計算232
9.2.2 異步數據流融合計算236
9.2.3 時空數據融合計算237
9.3 分佈式模型分割計算240
9.3.1 串行協同計算241
9.3.2 並行協同計算243
9.3.3 混合協同計算245
9.4 分佈式資源協同計算247
9.4.1 邊端設備負載均衡優化247
9.4.2 邊緣內部資源分配優化249
9.5 分佈式數據傳輸優化250
9.5.1 自適應數據過濾251
9.5.2 自適應數據傳輸252
9.6 習題254
參考文獻255
第10章AIoT平台與應用258
10.1 智能物聯網平台258
10.1.1 AWS IoT258
10.1.2 微軟Azure IoT261
10.1.3 華為雲IoT263
10.2 典型領域應用案例266
10.2.1 智能商業—無人超市266
10.2.2 智能工業—工業4.0下的數字工業268
10.2.3 智慧健康—老年人輔助機器人271
10.3 習題272
參考文獻272
第11章未來展望273
11.1 現狀與挑戰273
11.2 未來發展趨勢274
11.2.1 軟硬協同終端智能274
11.2.2 跨模態融合泛在感知274
11.2.3 面向AIoT的智能演進275
11.2.4 新一代智能物聯網絡276
11.2.5 動態場景模型持續演化276
11.2.6 人機物融合群智計算277
11.2.7 通用AIoT系統平台277
11.3 習題278
參考文獻278
