認(rèn)知網(wǎng)絡(luò)感知和大數(shù)據(jù)

Robert+Qiu

近幾年，大數(shù)據(jù)和物聯(lián)網(wǎng)被人們?cè)絹?lái)越多地提及。人們認(rèn)為，這兩個(gè)領(lǐng)域?qū)⑹窍乱淮渭夹g(shù)革命的開(kāi)端，也是未來(lái)信息技術(shù)的核心。因此，很多國(guó)家非常重視這兩個(gè)領(lǐng)域的研究。2009年8月，中國(guó)在無(wú)錫建立“感知中國(guó)”物聯(lián)網(wǎng)研發(fā)中心。包括中科院在內(nèi)的眾多科研院所和企業(yè)也都在此設(shè)立研究部門。

認(rèn)知網(wǎng)絡(luò)是一種基于傳感器的大規(guī)模智能認(rèn)知網(wǎng)絡(luò)。面對(duì)該網(wǎng)絡(luò)產(chǎn)生的大量數(shù)據(jù)，大數(shù)據(jù)技術(shù)是實(shí)現(xiàn)數(shù)據(jù)處理和分析的核心。因此，本書將認(rèn)知網(wǎng)絡(luò)和大數(shù)據(jù)結(jié)合起來(lái)進(jìn)行討論，并試圖回答一些基本問(wèn)題。例如，我們?nèi)绾问褂么笠?guī)模網(wǎng)絡(luò)感知環(huán)境；感知網(wǎng)絡(luò)有什么特性；如何處理大量數(shù)據(jù)以及樣本容量對(duì)感知精度的影響等。

從這幾個(gè)問(wèn)題出發(fā)，本書分3部分共計(jì)13章介紹和討論了認(rèn)知網(wǎng)絡(luò)感知和大數(shù)據(jù)技術(shù)。

第1部分，包括第1章。主要為讀者后續(xù)的學(xué)習(xí)提供必要的背景知識(shí)。

第2部分，矩陣隨機(jī)變量之和、深層次數(shù)學(xué)模型以及線性矩陣函數(shù)等數(shù)學(xué)問(wèn)題。包括第2-5章，是本書的核心。2-4.闡述有關(guān)矩陣隨機(jī)變量之和、深層次數(shù)學(xué)模型以及線性矩陣函數(shù)等數(shù)學(xué)問(wèn)題；5.在前面基礎(chǔ)上，對(duì)隨機(jī)矩陣?yán)碚摰淖钚卵芯砍晒M(jìn)行了論述和總結(jié)。

第3部分，主要是前述數(shù)學(xué)理論在實(shí)際中的應(yīng)用。包括第6-13章：對(duì)第5章的結(jié)論進(jìn)行比較，使本書前半部分更為完整；第7-8章闡述了感知數(shù)據(jù)壓縮和稀疏向量恢復(fù)、測(cè)量矩陣分解的問(wèn)題；第9-10章，在高維度上，協(xié)方差矩陣的估計(jì)及其在假設(shè)檢驗(yàn)上的應(yīng)用；11.概率約束優(yōu)化在“凸問(wèn)題”的應(yīng)用；12.給出了集中不等式在大數(shù)據(jù)處理中的地位以及兩者的聯(lián)系；13.將之前所有的內(nèi)容綜合在一起，對(duì)本書進(jìn)行了總結(jié)。

譯介人根據(jù)自已學(xué)習(xí)閱讀的體驗(yàn)，對(duì)讀者有如下建議：

（1）讀者需要的很好的數(shù)學(xué)知識(shí)基礎(chǔ)。本書非常注重?cái)?shù)學(xué)模型和理論的研究。恰好本書的前6章基本是進(jìn)行數(shù)學(xué)理論和模型論述。主要涉及隨機(jī)變量和過(guò)程、矩陣論和概率統(tǒng)計(jì)等知識(shí)。（2）讀者還需要對(duì)大數(shù)據(jù)有基本的了解。雖說(shuō)本書并未提到實(shí)際大數(shù)據(jù)處理的例子，但了解大數(shù)據(jù)及其相關(guān)特點(diǎn)（4V）對(duì)理解相關(guān)理論的應(yīng)用非常有利。

總而言之，該書是認(rèn)知網(wǎng)絡(luò)和大數(shù)據(jù)相關(guān)教材中非常專業(yè)的一本書。但前提是讀者要有較好的數(shù)學(xué)功底，最好是接受過(guò)研究生學(xué)習(xí)的研究人員。對(duì)于從事認(rèn)知網(wǎng)絡(luò)和大數(shù)據(jù)研究的研究生與科研人員，本書無(wú)疑很有參考價(jià)值。

葉松慶，碩士研究生

（中國(guó)科學(xué)院大學(xué)計(jì)算機(jī)控制學(xué)院）endprint