本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實踐相結(jié)合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動，公平、信任、

本書利用精美的插圖和有趣的類比，對深度學(xué)習(xí)的主流技術(shù)和背后的原理進行了深入淺出的講解，解釋了什么是深度學(xué)習(xí)，深度學(xué)習(xí)流行的原因，以及深度學(xué)習(xí)與其他機器學(xué)習(xí)方法的關(guān)系。閱讀本書，讀者可以掌握卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)和深度強化學(xué)習(xí)等熱門技術(shù)，學(xué)習(xí)TensorFlow、Keras和PyTorch等熱門工具的使

本書從基本概念和理論入手，通過近千張圖和簡單的例子由淺入深地講解深度學(xué)習(xí)的相關(guān)知識，且不涉及復(fù)雜的數(shù)學(xué)內(nèi)容。 本書分為上下兩冊。上冊著重介紹深度學(xué)習(xí)的基礎(chǔ)知識，旨在幫助讀者建立扎實的知識儲備，主要介紹隨機性與基礎(chǔ)統(tǒng)計學(xué)、訓(xùn)練與測試、過擬合與欠擬合、神經(jīng)元、學(xué)習(xí)與推理、數(shù)據(jù)準(zhǔn)備、分類器、集成算法、前饋網(wǎng)絡(luò)、激活函數(shù)、反向

PyTorch是基于Torch庫的開源機器學(xué)習(xí)庫，它主要由Meta（原Facebook）的人工智能研究實驗室開發(fā)，在自然語言處理和計算機視覺領(lǐng)域都具有廣泛的應(yīng)用。本書介紹了簡單且經(jīng)典的入門項目，方便快速上手，如MNIST數(shù)字識別，讀者在完成項目的過程中可以了解數(shù)據(jù)集、模型和訓(xùn)練等基礎(chǔ)概念。本書還介紹了一些實用且經(jīng)典的模

本書從貝葉斯理論的基本原理講起，逐步深入算法、機器學(xué)習(xí)、深度學(xué)習(xí)，并配合項目案例，重點介紹了基于貝葉斯理論的算法原理，及其在機器學(xué)習(xí)中的應(yīng)用。 本書分為10章，涵蓋了貝葉斯概率、概率估計、貝葉斯分類、隨機場、參數(shù)估計、機器學(xué)習(xí)、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、動態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學(xué)習(xí)等。本書涉及的應(yīng)用領(lǐng)域包含機器學(xué)習(xí)、圖

本書對幾類時滯隨機神經(jīng)網(wǎng)絡(luò)的全局漸近穩(wěn)定性和全局魯棒穩(wěn)定性進行了深入研究，其中包括：不確定隨機神經(jīng)網(wǎng)絡(luò)與時滯區(qū)間相關(guān)的全局魯棒穩(wěn)定性條件、帶區(qū)間時變時滯的不確定隨機神經(jīng)網(wǎng)絡(luò)的全局魯棒穩(wěn)定性、具有區(qū)間時變時滯與分布時滯的不確定隨機神經(jīng)網(wǎng)絡(luò)的均方穩(wěn)定性、不確定時滯隨機BAM神經(jīng)網(wǎng)絡(luò)的均方穩(wěn)定性、以及時滯隨機中立神經(jīng)網(wǎng)絡(luò)的全

近年來，人工智能體相繼在圍棋、星際爭霸、王者榮耀、得州撲克等復(fù)雜對抗任務(wù)上取得戰(zhàn)勝人類頂尖選手的成績，這是以深度強化學(xué)習(xí)為代表的機器學(xué)習(xí)技術(shù)在人機對抗領(lǐng)域取得的巨大進展，也使得人們對兵棋人機對抗充滿期待。本書著重研究分隊指揮決策模型總體架構(gòu)、分隊?wèi)B(tài)勢感知建模、分隊?wèi)?zhàn)術(shù)決策建模等技術(shù)，并闡述人工智能分隊指揮員、人機對抗系

本書以新一代信息技術(shù)為主線，分七章分別介紹了5G技術(shù)、物聯(lián)網(wǎng)及相關(guān)技術(shù)、云計算技術(shù)、大數(shù)據(jù)相關(guān)技術(shù)、人工智能和現(xiàn)代信息技術(shù)融合應(yīng)用等。每一章用較短的篇幅介紹相關(guān)的基本內(nèi)容和知識，并從系統(tǒng)開發(fā)的角度，闡述如何將這些新一代的信息技術(shù)與各專業(yè)進行融合，著重用一些實例來闡述如何在開發(fā)現(xiàn)代智能應(yīng)用系統(tǒng)中合理、恰當(dāng)?shù)厥褂眠@些新技術(shù)

《Python機器學(xué)習(xí)技術(shù)與應(yīng)用（普通高等教育人工智能專業(yè)系列教材）》以機器學(xué)習(xí)初學(xué)者為教學(xué)對象，通過講解機器學(xué)習(xí)的常用方法及實際應(yīng)用，培養(yǎng)讀者機器學(xué)習(xí)應(yīng)用技能及計算思維能力。全書共12章，主要內(nèi)容包括機器學(xué)習(xí)概述、Python語言基礎(chǔ)、網(wǎng)絡(luò)爬蟲、數(shù)據(jù)預(yù)處理與特征工程、多元回歸分析、分類方法、支持向量機、樸素貝葉斯方法

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)是人工智能研究的重要領(lǐng)域，是機器學(xué)習(xí)的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的科學(xué)。本書緊緊圍繞神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識體系進行系統(tǒng)的梳理，力求從基礎(chǔ)理論、經(jīng)典模型和前沿應(yīng)用展開論述，便于讀者能夠較為全面地掌握深度學(xué)習(xí)的相關(guān)知識。全書共16章。第1章是緒論，簡要介紹人工智