袁紅春,男,博士,教授,博士生導(dǎo)師,1971年1月生。 人工智能（ArtificialIntelligence）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。它是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包

本書屬于人工智能與區(qū)塊鏈原理及應(yīng)用方面的著作。主要包括區(qū)塊鏈與人工智概述，區(qū)塊鏈與下一代人工智能，區(qū)塊鏈的發(fā)展，區(qū)塊鏈體系架構(gòu)，區(qū)塊鏈與人工智能數(shù)字經(jīng)濟(jì)發(fā)展，區(qū)塊鏈與人工智能技術(shù)的融合，人工智能技術(shù)發(fā)展的困境，密碼學(xué)與安全技術(shù)，基于區(qū)塊鏈架構(gòu)的商業(yè)應(yīng)用，區(qū)塊鏈與人工智能融合的行業(yè)應(yīng)用，區(qū)塊鏈的未來發(fā)展等內(nèi)容。

本書共分8章，內(nèi)容涉及物聯(lián)網(wǎng)“端-管-云”全鏈路開發(fā)流程。第1章介紹物聯(lián)網(wǎng)發(fā)展趨勢、應(yīng)用架構(gòu)、典型應(yīng)用和相關(guān)學(xué)術(shù)研究及前沿問題；第2、3章分別從硬件平臺(tái)和操作系統(tǒng)的角度介紹物聯(lián)網(wǎng)設(shè)備端開發(fā)；第4、5章分別介紹物聯(lián)網(wǎng)應(yīng)用中常用的低功耗短距離協(xié)議及低功耗廣域網(wǎng)；第6、7章分別介紹主流的物聯(lián)網(wǎng)云平臺(tái)和物聯(lián)網(wǎng)云-端一體開發(fā)平臺(tái)

●本書首先介紹AI與AI安全的發(fā)展起源、世界主要經(jīng)濟(jì)體的AI發(fā)展戰(zhàn)略規(guī)劃，給出AI安全技術(shù)發(fā)展脈絡(luò)和框架，并從AI安全實(shí)戰(zhàn)出發(fā)，重點(diǎn)圍繞對抗樣本、數(shù)據(jù)投毒、模型后門等攻擊技術(shù)進(jìn)行案例剖析和技術(shù)講解；然后對預(yù)訓(xùn)練模型中的風(fēng)險(xiǎn)和防御、AI數(shù)據(jù)隱私竊取攻擊技術(shù)、AI應(yīng)用失控的風(fēng)險(xiǎn)和防御進(jìn)行詳細(xì)分析，并佐以實(shí)戰(zhàn)案例和數(shù)據(jù)；最后

本書主要論述信息融合技術(shù)及其應(yīng)用，介紹不同技術(shù)的信息融合算法，包括基于稀疏/協(xié)作表示、高斯過程隱變量模型、多視角和多特征學(xué)習(xí)、貝葉斯模型、度量學(xué)習(xí)、權(quán)重分類器方法融合和深度學(xué)習(xí)等；講述這些融合方法在圖像分類、域自適應(yīng)、人臉識(shí)別、疾病檢測和圖像檢索等領(lǐng)域的應(yīng)用，并使用多個(gè)數(shù)據(jù)庫驗(yàn)證了上述方法的有效性和優(yōu)越性。本書可供從事

《運(yùn)籌優(yōu)化常用模型、算法及案例實(shí)戰(zhàn)》主要講述運(yùn)籌優(yōu)化領(lǐng)域常用的數(shù)學(xué)模型、精確算法以及相應(yīng)的代碼實(shí)現(xiàn)。首先簡要介紹基本理論，然后用豐富的配套案例講解多個(gè)經(jīng)典的精確算法框架，最后結(jié)合常用的優(yōu)化求解器（CPLEX和Gurobi）說明如何用Python和Java語言實(shí)現(xiàn)書中提到的所有精確算法。全書共分3部分。第I部分（第1~4

k-均值問題是經(jīng)典組合優(yōu)化問題,也是著名的NP-難問題之一,相應(yīng)的Lloyd算法是數(shù)據(jù)挖掘的十大經(jīng)典算法之一.k-均值問題在人工智能、數(shù)據(jù)挖掘、理論計(jì)算機(jī)科學(xué)、運(yùn)籌學(xué)和管理科學(xué)中有著廣泛的應(yīng)用.本書介紹k-均值問題及其變形的基于隨機(jī)抽樣、降維、核心集、近似質(zhì)心集、局部搜索、線性規(guī)劃舍入等技術(shù)的近似算法.主要內(nèi)容包括:經(jīng)

人工智能領(lǐng)域一直以來堅(jiān)信：只要人工智能系統(tǒng)能產(chǎn)生類似于人類的行為，它就是智能的。于是，我們看到了能夠打敗國際象棋guan軍的計(jì)算機(jī)棋手，能夠根據(jù)路況選擇行駛路線的無人駕駛汽車，能夠做手術(shù)的醫(yī)生……人們甚至開始擔(dān)憂：有朝一日，機(jī)器人會(huì)不會(huì)超越人類，進(jìn)而奴役人類？ 在《新機(jī)器智能》一書中，科技界

理解TensorFlow模型模式和ML工作流中的最佳實(shí)踐。 使用代碼段作為構(gòu)建TensorFlow模型和工作流的模板。 通過集成TensorFlowHub中的預(yù)建模型節(jié)省開發(fā)時(shí)間。 使用加速器集群（如GPU或TPU）充分利用分布式訓(xùn)練。 對數(shù)據(jù)攝取、訓(xùn)練模型、模型保存和推理做出明智的設(shè)計(jì)選擇。

研究張量，這是機(jī)器學(xué)習(xí)中最基本的結(jié)構(gòu)。 通過一個(gè)真實(shí)示例完成數(shù)據(jù)與張量的來回轉(zhuǎn)換。 使用TensorFlow.js結(jié)合AI和Web。 使用資源轉(zhuǎn)換、訓(xùn)練和管理機(jī)器學(xué)習(xí)數(shù)據(jù)。 從頭開始構(gòu)建和訓(xùn)練你自己的訓(xùn)練模型。