《人工智能導(dǎo)論第2版》系統(tǒng)地闡述了人工智能的基本理論、基本技術(shù)、研究方法和應(yīng)用領(lǐng)域，全面地反映了人工智能研究領(lǐng)域的發(fā)展，并根據(jù)人工智能的發(fā)展動向?qū)σ恍﹤鹘y(tǒng)內(nèi)容做了取舍，如詳細介紹了機器學(xué)習(xí)方面的內(nèi)容�！度斯ぶ悄軐�(dǎo)論第2版》共分為8章，內(nèi)容涉及人工智能的基本概念、知識工程、確定性推理和不確定性推理、搜索與優(yōu)化策略、機器學(xué)

人工智能已經(jīng)上升到了國家戰(zhàn)略層面的高度。面對人工智能發(fā)展的浪潮與需求高等教育應(yīng)主動變革，圍繞國家人工智能出臺的規(guī)劃和政策，加快促進人工智能技術(shù)人才培養(yǎng)。本書以優(yōu)化知識結(jié)構(gòu)、培養(yǎng)10項能力為出發(fā)點，以實施素質(zhì)教育、培養(yǎng)學(xué)生具有新一代人工智能應(yīng)用意識為目標(biāo)，以培養(yǎng)學(xué)生創(chuàng)新精神、創(chuàng)業(yè)能力為重點，以企業(yè)人才需求構(gòu)建新的知識體系

本書從全新的視角詮釋了機器學(xué)習(xí)的基本模型和算法，重點討論了當(dāng)前的兩項研究熱點——神經(jīng)網(wǎng)絡(luò)和核方法。全書緊緊圍繞從環(huán)境約束中學(xué)習(xí)的概念，將符號知識庫作為約束集合，通過采用多值邏輯形式的思想，實現(xiàn)了約束方法與機器學(xué)習(xí)的深度融合。特別是對深度學(xué)習(xí)的講解，很好地呈現(xiàn)了本書中所遵循的基于約束的方法。此外，本書還提供不同難度等級的

本書由機器學(xué)習(xí)安全領(lǐng)域的學(xué)者撰寫，針對存在安全威脅的對抗性環(huán)境，討論如何構(gòu)建健壯的機器學(xué)習(xí)系統(tǒng)，全面涵蓋所涉及的理論和工具。全書分為四部分，分別討論對抗機器學(xué)習(xí)的基本概念、誘發(fā)型攻擊、探索性攻擊和未來發(fā)展方向。書中介紹了當(dāng)前*實用的工具，你將學(xué)會利用它們來監(jiān)測系統(tǒng)安全狀態(tài)并進行數(shù)據(jù)分析，從而設(shè)計出有效的對策來應(yīng)對新的網(wǎng)

本書以理論和實踐相結(jié)合的形式深入淺出地介紹強化學(xué)習(xí)的歷史、基本概念、經(jīng)典算法和一些前沿技術(shù)，共分為三大部分：第壹部分（1～5章）介紹強化學(xué)習(xí)的發(fā)展歷史、強化學(xué)習(xí)的基本概念以及一些經(jīng)典的強化學(xué)習(xí)算法；第二部分（6～9章）在簡要回顧深度學(xué)習(xí)技術(shù)的基礎(chǔ)上著重介紹深度強化學(xué)習(xí)的一些前沿實用算法；第三部分（*后一章）以五子棋為例

本書從基礎(chǔ)知識入手，詳細講解通過強化學(xué)習(xí)和深度學(xué)習(xí)構(gòu)建AI系統(tǒng)所需的一切，并通過5個完整的項目實例，循序漸進展示如何使用*佳、*簡單的AI編程工具（包括Python、TensorFlow、Keras和PyTorch）構(gòu)建智能軟件。具體內(nèi)容包括AI工具包、Python基礎(chǔ)、AI基礎(chǔ)技巧、你的第一個AI模型、銷售和廣告中的

本書重點研究機器學(xué)習(xí)的數(shù)學(xué)理論。第壹部分探討了在非凸優(yōu)化問題中，選擇梯度下降步長來避免嚴(yán)格鞍點的*優(yōu)性和自適應(yīng)性。在第二部分中，作者提出了在非凸優(yōu)化中尋找局部極小值的算法，并利用牛頓第二定律在一定程度上得到無摩擦的全局極小值。第三部分研究了含有噪聲和缺失數(shù)據(jù)的子空間聚類問題，這是一個由隨機高斯噪聲的實際應(yīng)用數(shù)據(jù)和/或含

本書是關(guān)于遷移學(xué)習(xí)的基礎(chǔ)、方法、技術(shù)和應(yīng)用的一本書。內(nèi)容分成兩個部分：第壹部分介紹了遷移學(xué)習(xí)的基礎(chǔ)。第二部分涵蓋了遷移學(xué)習(xí)的許多應(yīng)用領(lǐng)域。遷移學(xué)習(xí)解決的是學(xué)習(xí)系統(tǒng)如何快速地適應(yīng)新場景、新任務(wù)和新環(huán)境。其研究涉及科學(xué)和工程的許多領(lǐng)域，包括人工智能、算法理論、概率和統(tǒng)計等。本書是一本供經(jīng)驗豐富的機器學(xué)習(xí)研究人員和應(yīng)用程序開

本書深入講解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)，側(cè)重于闡釋深度學(xué)習(xí)的核心概念。作者以技術(shù)原理為導(dǎo)向，輔以貫穿全書的MNIST手寫數(shù)字識別項目示例，介紹神經(jīng)網(wǎng)絡(luò)架構(gòu)、反向傳播算法、過擬合解決方案、卷積神經(jīng)網(wǎng)絡(luò)等內(nèi)容，以及如何利用這些知識改進深度學(xué)習(xí)項目。學(xué)完本書后，讀者將能夠通過編寫Python代碼來解決復(fù)雜的模式識別問題。

本書以一名深度學(xué)習(xí)學(xué)習(xí)者的視角展開深度學(xué)習(xí)相關(guān)的理論、技術(shù)和實踐寫作，因而命名為深度學(xué)習(xí)筆記。本書作為一本以“筆記”命名的深度學(xué)習(xí)圖書，主要定位是面向廣大希望入門深度學(xué)習(xí)的初學(xué)者。本書以深度神經(jīng)網(wǎng)絡(luò)(DNN)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)為核心，詳細介紹了深度學(xué)習(xí)的理論基礎(chǔ)、通用方法和三大網(wǎng)絡(luò)的原理與