本書內(nèi)容共分為10章，從學科基礎(chǔ)、技術(shù)基礎(chǔ)、重點方向與領(lǐng)域、行業(yè)應(yīng)用、倫理法律5方面系統(tǒng)、整體介紹人工智能的定義、方法、體系、應(yīng)用及其內(nèi)涵。第1章介紹人工智能定義及新知識體系。第2章介紹人工智能孕育史、機械論、計算歷史、控制論、聯(lián)結(jié)主義起源、計算機器的歷史，以及當代人工智能歷史。第3章介紹與人工智能有關(guān)的哲學概念、分支

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，將基于深度學習的目標檢測的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側(cè)重對卷積神經(jīng)網(wǎng)絡(luò)的介紹，而深度學習的內(nèi)容不止于此。所以，作者將深度學習分為有監(jiān)督學習、無監(jiān)督學習和強化學習三類，將圖像分類、目標檢測、

本書基于備受讀者推崇的王樹森“深度強化學習”系列公開視頻課，專門解決“入門深度強化學習難”的問題。 本書的獨特之處在于：第一，知識精簡，剔除一切不必要的概念和公式，學起來輕松；第二，內(nèi)容新穎，聚焦近10年深度強化學習領(lǐng)域的突破，讓你一上手就緊跟最新技術(shù)。本書系統(tǒng)講解深度強化學習的原理與實現(xiàn)，但不回避數(shù)學公式和各種模型

手勢交互是自然人機交互的研究熱點，在很多領(lǐng)域都有著廣泛的應(yīng)用，例如虛擬/增強現(xiàn)實、普適計算、可穿戴計算、智能家居和游戲娛樂等。本文提出了一套卓有成效的"以用戶為中心的”手勢設(shè)計方法，應(yīng)用在雙面屏智能手機、智能汽車信息系統(tǒng)、智能電視交互系統(tǒng)、沉浸式虛擬現(xiàn)實購物系統(tǒng)中，實踐證明這套方法能夠有效解決傳統(tǒng)手勢設(shè)計方法所面臨的一

機器學習是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書涵蓋了機器學習和深度學習的基礎(chǔ)知識，主要包括機器學習的概述、統(tǒng)計學基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機、文本分析、分布式機器學習算法等經(jīng)典的機器學習基礎(chǔ)知識，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、目標檢測、自編碼器等深度學習的內(nèi)容。此外，

機器學習是人工智能的重要方向之一，對提升各行業(yè)的智能化程度正在起越來越大的作用。本書通過凝練機器學習的核心思想與方法，綜合介紹了Python、常用庫和相關(guān)工具，以及機器學習的原理與實現(xiàn)，囊括了機器學習與行業(yè)相結(jié)合的實例，可讓沒有深厚計算機、編程背景的讀者在有限的時間內(nèi)掌握機器學習的相關(guān)知識和應(yīng)用工具。本書各部分的比例適

本書從理論結(jié)合實踐編程來學習推薦系統(tǒng)。由淺入深，先基礎(chǔ)后進階，先理論后實踐，先主流后推導。第1章較為簡單，僅初步帶領(lǐng)大家了解什么是推薦系統(tǒng)及推薦系統(tǒng)的簡史。第2章到第5章介紹的是主流的推薦算法及推薦算法的推導過程，這部分是本書的核心，每個算法都描述的非常詳細且有具體代碼幫助大家理解，深度學習的框架將采用PyTorch。

面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)（第4版）

袁紅春,男,博士,教授,博士生導師,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。它是計算機科學的一個分支，它企圖了解智能的實質(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)的智能機器，該領(lǐng)域的研究包

人們言語交際的實質(zhì)就是一個交際意圖的傳達與解釋的過程，因而智能機器人要實現(xiàn)深度自然語言理解，必須具備交際意圖識別能力。本書首先討論了交際意圖的內(nèi)涵與特征，并探索了交際意圖的形式化表示方式，也進一步分析了交際意圖的層級系統(tǒng)；然后根據(jù)話語是否明確表達了交際意圖，把話語分成交際意圖明示句和交際意圖暗示句兩類；接著深入討論了從