内容简介
本书将噪声分析延续到信息处理的多个领域，特别是在数据不完整、环境不确定的复杂任务中，噪声的引入反而能够通过信息的扰动与补全，改善模型的稳定性和鲁棒性。这一理论思路在机器学习、大模型、具身机器人、临地安防等应用领域中得到了探索，充分体现了理论与应用之间的有效衔接，既强调噪声在信号空间的本质特征，也关注噪声如何通过设计介入实际任务，从而转化为系统优化的有效手段。随着智能感知与复杂系统设计需求的不断升级，噪声的功能性研究将继续拓展其理论边界，有望在未来的信号获取与处理任务中扮演更重要的角色。
本书不仅可作为信息系统科学与技术相关学科专业的教学参考书，适合高等院校的本科生和研究生阅读，也可作为从事机器学习、具身智能、涉水光学、临地安防等相关技术研究的科研工作者的实践指导书。本书对大型企业的技术管理者、对大模型相关技术的研发人员也具有一定参考价值。
目录
第1章 概述1
1．1 无处不在的噪声 2
1．1．1 噪声的定义和分类 2
1．1．2 噪声的普遍性 4
1．2 噪声的两面性 5
1．2．1 噪声的有害性 5
1．2．2 噪声的有益性 6
1．3 有益噪声现象 8
1．4 噪声分析的概念与内涵 9
1．4．1 噪声分析的主要方法 9
1．4．2 噪声分析的应用 13
1．4．3 噪声分析的前景 13
1．5 本章小结 15
第2章 噪声形成与建模 17
2．1 自然条件不确定性诱发环境噪声 19
2．1．1 雨水导致信号强度衰减 19
2．1．2 降雪引发信号传输衰减 19
2．1．3 大气条件造成信号能量衰减 19
2．2 传感器感知随机性催生数据噪声 20
2．2．1 黑体辐射诱导约翰逊热噪声 20
2．2．2 载流子离散性造成散粒噪声 20
2．2．3 模数转换近似导致量化噪声 21
2．2．4 多因素时变性引发时变噪声 21
2．3 噪声建模 22
2．3．1 高斯白噪声建模 22
2．3．2 椒盐噪声建模 23
2．3．3 泊松噪声建模 24
2．3．4 1 f噪声建模 26
2．3．5 相干噪声建模 27
2．3．6 多模态噪声 28
2．4 本章小结 30
第3章 噪声分析的信息论基础 31
3．1 信息熵的基本概念 32
3．1．1 信息熵的源起 32
3．1．2 信息熵的定义 33
3．2 互信息与信息增益 33
3．2．1 互信息的定义 33
3．2．2 信息增益的定义 34
3．2．3 互信息与信息增益在噪声分析中的应用 34
3．3 信容理论 36
3．3．1 信容的基本概念 37
3．3．2 信容的特性 37
3．3．3 信容的计算 38
3．3．4 信容理论在噪声分析中的应用 39
3．4 正激励噪声理论 40
3．4．1 正激励噪声定义 40
3．4．2 单标签分类下的正激励噪声 43
3．4．3 随机共振现象下的正激励噪声 45
3．4．4 多任务学习与对抗训练任务下的正激励噪声 46
3．5 本章小结 47
第4章 噪声分析在机器学习领域的应用 49
4．1 正激励噪声在模态处理任务的应用 50
4．1．1 视觉分类任务中的应用 51
4．1．2 视觉语言任务中的应用 54
4．1．3 时序信号处理任务中的应用 58
4．2 正激励噪声在表征学习中的应用 62
4．2．1 正激励噪声增强对比学习 63
4．2．2 正激励噪声增强图表征学习 65
4．2．3 正激励噪声增强锚点选取 67
4．3 深度学习结构中的有益噪声 69
4．3．1 随机失活技术 70
4．3．2 随机池化技术 72
4．4 基于噪声的扩散生成模型 74
4．4．1 去噪扩散概率模型（DDPM） 74
4．4．2 去噪扩散隐式模型（DDIM） 77
4．4．3 稳定扩散模型（SDM） 78
4．5 噪声鲁棒的数据挖掘算法 79
4．5．1 噪声鲁棒的降维算法 79
4．5．2 噪声鲁棒的聚类算法 80
4．6 噪声鲁棒的现代深度学习算法 81
4．6．1 噪声鲁棒性的理论基础 81
4．6．2 现代噪声鲁棒性技术 89
4．6．3 基于噪声分析的现代深度学习算法 96
4．6．4 噪声鲁棒性提升的方法 98
4．6．5 实际应用与挑战 104
4．7 本章小结 105
第5章 噪声分析在大模型领域的应用 107
5．1 大模型简介 108
5．2 基于噪声分析的模型量化 111
5．2．1 由量化引入的噪声 112
5．2．2 量化噪声的正激励性 113
5．2．3 量化噪声的定量分析 114
5．3 大模型解码采样生成策略的噪声控制 115
5．3．1 确定性解码与重复生成 116
5．3．2 随机采样的噪声控制 119
5．3．3 解码过程的噪声控制 126
5．3．4 测试时间采样 127
5．3．5 采样噪声控制优化 129
5．4 大模型推理中的噪声分析 130
5．4．1 蒙特卡洛树搜索与推理优化 130
5．4．2 长序列建模与高级注意力 133
5．4．3 大模型的噪声攻防策略 137
5．5 本章小结 138
第6章 噪声分析在具身机器人领域的应用 139
6．1 正激励噪声具身环境感知 140
6．1．1 机器人状态空间中的噪声感知 140
6．1．2 图像观测空间中的噪声感知 143
6．2 基于噪声的具身动力学建模 145
6．2．1 隐空间机器人动力学模型 146
6．2．2 扩散模型驱动的世界模型 152
6．3 噪声驱动的具身策略学习 157
6．3．1 噪声驱动的主动环境探索 157
6．3．2 噪声驱动的价值函数建模 163
6．3．3 噪声驱动的离线强化学习 168
6．3．4 噪声驱动的具身轨迹规划 174
6．4 噪声驱动的具身策略迁移 179
6．4．1 鲁棒的策略跨域迁移 179
6．4．2 仿真-真实策略迁移 183
6．5 本章小结 189
第7章 噪声分析在临地安防领域的应用 191
7
