本書內(nèi)容主要包括機器學(xué)習(xí)的基本知識、基本學(xué)習(xí)方法、集成學(xué)習(xí)方法、深度學(xué)習(xí)方法和深度強化學(xué)習(xí)方法等內(nèi)容，將機器學(xué)習(xí)的經(jīng)典內(nèi)容與深度學(xué)習(xí)等前沿內(nèi)容有機地結(jié)合在一起，形成一套相對完整的知識體系，并在每個章節(jié)穿插相應(yīng)的應(yīng)用實例，使得廣大讀者不但能夠較好地掌握機器學(xué)習(xí)基本理論，而且能夠比較系統(tǒng)地掌握其應(yīng)用技術(shù)，為今后的工作和進一

本書全面介紹神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)和深度學(xué)習(xí)的基本概念、模型和方法，同時也涉及了深度學(xué)習(xí)中許多最新進展，附錄中還提供了相關(guān)數(shù)學(xué)分支的簡要介紹，旨在讓讀者知其然還要知其所以然。

本書針對人工智能技術(shù)領(lǐng)域人才培養(yǎng)的需要，從實際應(yīng)用出發(fā)，以人工智能涉及的“會運動、會看懂、會聽懂、會思考”四方面為主線進行編寫。本書采用理實一體的編寫方式，設(shè)置了5個學(xué)習(xí)情境，分別為認識人工智能、運動系統(tǒng)的設(shè)計與應(yīng)用、視覺識別系統(tǒng)的設(shè)計與應(yīng)用、語音識別系統(tǒng)的設(shè)計與應(yīng)用和認知系統(tǒng)的設(shè)計與應(yīng)用，循序漸進地介紹了人工智能控制

《深度學(xué)習(xí)導(dǎo)論》講述了前饋神經(jīng)網(wǎng)絡(luò)、Tensorflow、卷積神經(jīng)網(wǎng)絡(luò)、詞嵌入與循環(huán)神經(jīng)網(wǎng)絡(luò)、序列到序列學(xué)習(xí)、深度強化學(xué)習(xí)、無監(jiān)督神經(jīng)網(wǎng)絡(luò)模型等深度學(xué)習(xí)領(lǐng)域的基本概念和技術(shù)，通過一系列的編程任務(wù)，向讀者介紹了熱門的人工智能應(yīng)用，包括計算機視覺和自然語言處理等。 本書編寫簡明扼要，理論聯(lián)系實踐，每一章都包含習(xí)題以及補充閱

本書主要討論在智能經(jīng)濟的浪潮下，人工智能技術(shù)與區(qū)塊鏈技術(shù)的范式變革與產(chǎn)業(yè)應(yīng)用，以及如何從數(shù)字經(jīng)濟學(xué)視角理解智能經(jīng)濟發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認知升級。全書包括從信息技術(shù)到智能經(jīng)濟、區(qū)塊鏈技術(shù)應(yīng)用與場景、人工智能技術(shù)應(yīng)用與場景、智能經(jīng)濟時代的商業(yè)趨勢四部分，共20講內(nèi)容。 本書通過跨學(xué)科研究，構(gòu)建了一整套認知人工

隨著人工智能技術(shù)在越來越多的行業(yè)中應(yīng)用，諸多問題也隨之而來，最主要的問題在于人工智能技術(shù)與行業(yè)的結(jié)合深度不足。在大多數(shù)情況下，人工智能技術(shù)只能解決表層的行業(yè)問題，對于深層的業(yè)務(wù)問題賦能不足。當(dāng)前急需探索人工智能技術(shù)與行業(yè)結(jié)合的方法與模式。本書結(jié)合了筆者構(gòu)建人工智能產(chǎn)品的實際經(jīng)驗，從人工智能產(chǎn)品流程、行業(yè)能力模型、人工智

本書收錄了《認知物聯(lián)網(wǎng)中基于障礙物感知的機會數(shù)據(jù)傳輸策略》《圖數(shù)據(jù)流上的子圖查詢》《基于類間稀疏結(jié)構(gòu)保持的鑒別回歸方法》《智能導(dǎo)學(xué)系統(tǒng)中基于有效非負矩陣分解的學(xué)習(xí)成績預(yù)測》等。

本書是英國著名理論天文學(xué)家、數(shù)學(xué)家、前英國皇家學(xué)會會長、《DK宇宙大百科》作者馬丁?里斯（MartinRees）的最新力作。 生物技術(shù)、網(wǎng)絡(luò)技術(shù)、機器人技術(shù)和人工智能的進步——如果我們能夠明智地加以追求和應(yīng)用——將使我們能夠促進發(fā)展中國家和發(fā)達國家的發(fā)展，并克服人類在地球上面臨的威脅，從氣候變化到核戰(zhàn)爭。與此同時，太

隨著人工智能技術(shù)在各行業(yè)的應(yīng)用蓬勃發(fā)展，其已滲透社會及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標識別、自然語言處理等領(lǐng)域顯示了良好的效果和前景。但是，人工智能及其分支技術(shù)有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴重的后果。本書通過介紹針對圖像分類的對抗技術(shù)，描述了深度神經(jīng)網(wǎng)

本書介紹了機器學(xué)習(xí)的基本算法、歷史發(fā)展、應(yīng)用前景及相關(guān)問題。內(nèi)容包括：機器學(xué)習(xí)所涉及的必要的數(shù)學(xué)知識，機器學(xué)習(xí)的基本模式和任務(wù)，神經(jīng)網(wǎng)絡(luò)的基本理論及算法結(jié)構(gòu)，分類與聚類學(xué)習(xí)算法，數(shù)據(jù)維度歸約的基本方法，圖理論及方法以及當(dāng)前比較流行的機器學(xué)習(xí)理論和算法。本書在加深學(xué)生對經(jīng)典機器學(xué)習(xí)方法理解的基礎(chǔ)上適當(dāng)擴展其視野，以培養(yǎng)和