《人工智能與信息技術教程》作為高等職業(yè)院校學生人工智能和信息技術通識課程的教材，是按照高等職業(yè)教育各專業(yè)領域高素質(zhì)技術技能人才培養(yǎng)目標的要求編寫的。本教材采用項目導向、任務驅(qū)動方式組織內(nèi)容，全書共包含6個知識板塊：人工智能信息獲取、人工智能技術的應用、Word2010文檔制作與處理、Excel2010表格處理與分析、P

類腦人工智能是研究、開發(fā)用于模擬、延伸和擴展人腦智能的理論、方法及應用的技術科學，將類腦人工智能技術應用于目標檢測與跟蹤，可大幅提升復雜背景、干擾條件下的目標檢測概率及跟蹤精度，具有重要而廣泛的應用前景。本書系統(tǒng)闡述了人腦視覺信息處理機制的基本原理、主要特性、數(shù)學建模及算法設計等。同時，結合深度神經(jīng)網(wǎng)絡（DNN）、類腦

《智能之門：神經(jīng)網(wǎng)絡與深度學習入門（基于Python的實現(xiàn)）》是作者在總結多年的實際工程應用經(jīng)驗的基礎上編著而成的，是一本面向本科生的神經(jīng)網(wǎng)絡與深度學習的入門教材。通過閱讀該書，讀者可以掌握神經(jīng)網(wǎng)絡與深度學習的基本理論，并通過大量的代碼練習，在做中學，提高將理論知識運用于實際工程的能力。該書內(nèi)容豐富，以“提出問題-解決

本書的目標，是讓非機器學習領域甚至非計算機專業(yè)出身但有學習需求的人，輕松地掌握機器學習的基本知識，從而擁有相關的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學習機器學習的對話展開，內(nèi)容輕松，實戰(zhàn)性強，主要包括機器學習快速上手路徑、數(shù)學和Python基礎知識、機器學習基礎算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡、卷積

《零基礎實踐深度學習》從人工智能、機器學習和深度學習三者的關系開始，以深度學習在計算機視覺、自然語言處理和推薦系統(tǒng)的應用實踐為主線，逐步剖析模型原理和代碼實現(xiàn)。書中的內(nèi)容深入淺出，通過原理與代碼結合、產(chǎn)業(yè)實踐和作業(yè)題結合的方式，幫助讀者更好掌握深度學習的相關知識和深度學習開源框架的使用方法。為了讓更多的讀者從中受益，快

本書系統(tǒng)全面地覆蓋了深度學習的主要原理、方法和應用實踐。介紹了深度學習的概念、主流工具及框架，分析了神經(jīng)網(wǎng)絡原理并實現(xiàn)，對卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）和生成對抗網(wǎng)絡（GAN）這些常用的深度學習模型進行了演練，在此基礎上展開基于深度學習的目標檢測、圖像分割、人臉識別、文本自動生成等熱門應用，為讀者提供了

《統(tǒng)計學習要素：機器學習中的數(shù)據(jù)挖掘、推斷與預測(第2版)》在一個通用的概念框架中描述通用于數(shù)據(jù)挖掘、機器學習和生物信息學等領域的重要思想和概念。這些統(tǒng)計學范疇下的概念是人工智能與機器學習的基礎。全書共18章，主題包括監(jiān)督學習、回歸的線性方法、分類的線性方法、基展開和正則化、核光滑方法、模型評估和選擇、模型推斷和平均、

本書將MATLAB編程與知識點學習相結合，在課堂練習中設置了各類編程驗證環(huán)節(jié)，在四個核心知識點——傳遞函數(shù)、控制系統(tǒng)時域分析、控制系統(tǒng)頻域分析和控制系統(tǒng)穩(wěn)定性分析中均設置了針對性的研究性課題。

本書系統(tǒng)地描述了深度學習的基本理論算法及應用。全書共14章，第1~3章論述了數(shù)學基礎、機器學習基礎和深度學習基礎；第4~7章介紹了一些經(jīng)典網(wǎng)絡及計算機視覺領域中常用的CNN、RNN、GAN等網(wǎng)絡結構技術；第8~9章介紹了深度學習在計算機視覺領域的目標檢測及圖像分割兩大應用；第10~14章介紹了計算機視覺領域主要的優(yōu)化方

深入深度神經(jīng)網(wǎng)絡，揭開對抗性輸入如何欺騙深度神經(jīng)網(wǎng)絡。 探討如何生成對抗性輸入去攻擊深度神經(jīng)網(wǎng)絡。 探索真實對抗性攻擊場景和為對抗性威脅建模。 評估神經(jīng)網(wǎng)絡的健壯性；學會增強人工智能系統(tǒng)應對對抗性數(shù)據(jù)的能力。 考察未來幾年可用哪些方式讓人工智能更擅長模擬人的感知。