本書系統(tǒng)地介紹了人工神經(jīng)網(wǎng)絡的基礎知識、工作原理及應用實例，旨在幫助讀者深入掌握人工神經(jīng)網(wǎng)絡的設計及應用方法。全書共分10章，涵蓋從基礎理論到典型神經(jīng)網(wǎng)絡設計的各個方面。前兩章詳細講解了人工神經(jīng)網(wǎng)絡的基本概念、結構及工作原理，為后續(xù)的神經(jīng)網(wǎng)絡設計奠定理論基礎。隨后的章節(jié)重點介紹了不同類型的典型神經(jīng)網(wǎng)絡，包括結構設計方法

本書采用“理論+應用+操作實踐”相結合的方式，深入淺出地介紹生成式人工智能及大模型的基礎知識。書中精選典型案例，展示大模型在各行業(yè)的應用，并通過Transformer架構，詳細解析生成式人工智能及大模型的核心原理與技術演進。此外，本書還通過文本生成、圖像生成、視頻生成等應用場景，指導讀者學習AI工具的使用。本書體系完整

本書內容涵蓋從人工智能的起源、發(fā)展到前沿技術的多個方面，包括人工智能基礎概念、數(shù)學素養(yǎng)與計算思維、數(shù)據(jù)科學與大數(shù)據(jù)技術、智能體技術、機器學習、神經(jīng)網(wǎng)絡與深度學習、圖像識別與計算機視覺、自然語言處理與大語言模型、生成式人工智能、機器人及其智能化、群體智能等核心技術，同時結合大量實戰(zhàn)練習和項目，強調理論與實踐并重。書中特別

本書共分四個部分15章，全面系統(tǒng)地介紹了生成式AI的基礎理論、核心技術、應用場景以及社會影響，既突出生成式人工智能技術，又重視AIGC應用，旨在為讀者提供一個全面、深入且實用的學習平臺，幫助讀者快速掌握生成式人工智能的精髓及其在各領域的應用實踐。

本書是系統(tǒng)介紹生成式人工智能基本概念、技術風險及其治理方案的人文社會科學類讀物。書中簡要介紹了生成式人工智能的底層邏輯與技術架構，結合醫(yī)療、金融、教育、法律等具體場景分析了生成式人工智能的落地應用，進而對其未來圖景提出預測和想象。在此基礎上，重點探討和分析了生成式人工智能潛在的數(shù)據(jù)、算法、模型等技術風險，并嘗試探索其治

本書從人工智能導論、人工智能編程基礎、人工智能計算平臺、人工智能網(wǎng)絡環(huán)境、人工智能基本技術、大模型及其應用技術、機器學習及其應用等七個維度布局內容。

本書共6章，內容包括：控制系統(tǒng)的數(shù)學模型、控制系統(tǒng)的時域分析法、控制系統(tǒng)的根軌跡分析法、控制系統(tǒng)的頻域分析法等。

本書共7章，第1章緒論，介紹人工智能的概念和發(fā)展簡史，當前發(fā)展方向、研究熱點，基本研究內容、所采用的研究方法；第2章討論傳統(tǒng)經(jīng)典人工智能的知識表示、知識工程、搜索技術、群智能算法、知識圖譜、專家系統(tǒng)和規(guī)劃技術等基本知識；第3章介紹實踐人工智能應用的編程語言Python；第4章以Scikit-learn為基礎介紹機器學習

本書提出了以下推薦方法：基于“字符－短語”注意力機制和因子分解機的混合推薦方法和基于“局部－整體”注意力和文本匹配機制的推薦方法，旨在通過獲取更多信息和提升模型特征提取能力，來實現(xiàn)更精準的個性化推薦；基于層次注意力和增強經(jīng)驗優(yōu)先回放機制的深度強化學習推薦方法和基于自適應元模仿學習的推薦環(huán)境模擬器，旨在突破深度強化學習在

"《大模型核心技術與開發(fā)實踐：基于Transformer、PyTorch及HuggingFace》系統(tǒng)地介紹大語言模型（LLM）的理論基礎、實現(xiàn)方法及在多種場景中的應用實踐。共分為12章，第1~3章介紹Transformer模型的基本架構與核心概念，包括編解碼器的結構、自注意力機制、多頭注意力的設計和工作原理；第4~6