本書(shū)作者結(jié)合自身的經(jīng)歷，講述了在AI時(shí)代下，要成為一名專業(yè)人士，在事業(yè)上取得成功，光靠“基本能力”和“學(xué)習(xí)能力”是不夠的，還必須掌握“職業(yè)能力”“人際交往能力”，甚至是“組織能力”，并且不斷去修煉這些能力。本書(shū)適合職場(chǎng)人士閱讀。

本書(shū)共分8章，系統(tǒng)地介紹了神經(jīng)網(wǎng)絡(luò)盲均衡算法的基本理論及算法形式。首先分析了盲均衡算法的基本原理、均衡準(zhǔn)則、評(píng)價(jià)指標(biāo)以及與神經(jīng)網(wǎng)絡(luò)的結(jié)合機(jī)理。其次，系統(tǒng)研究了前饋神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、進(jìn)化神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)盲均衡算法的基本原理，推導(dǎo)了算法迭代公式，并進(jìn)行了計(jì)算機(jī)仿真。最后采用zigzag編碼和前饋神

本書(shū)致力于推動(dòng)人工智能的普及教育，結(jié)合最新的人工智能科學(xué)技術(shù)的發(fā)展成果，使用通俗易懂的語(yǔ)言深入淺出地介紹了人工智能的相關(guān)知識(shí)，重點(diǎn)介紹了人工智能的孕育、人工智能的誕生、人工智能的復(fù)蘇、人工智能的高速發(fā)展、人工智能的應(yīng)用分支和哲學(xué)與思考等方面，在每章節(jié)后都有與之對(duì)應(yīng)的章節(jié)習(xí)題，供學(xué)習(xí)者學(xué)習(xí)，以強(qiáng)化學(xué)生解決問(wèn)題的能力。

《機(jī)器學(xué)習(xí)實(shí)用教程》將根據(jù)高等院校所開(kāi)設(shè)的《機(jī)器學(xué)習(xí)》教學(xué)實(shí)踐的要求，結(jié)合重慶工商大學(xué)教學(xué)實(shí)踐情況，重點(diǎn)講授重要的機(jī)器學(xué)習(xí)理論以及相關(guān)算法的實(shí)現(xiàn)。

《人工智能概論——基礎(chǔ)理論、編程語(yǔ)言及應(yīng)用技術(shù)（微課視頻版）》從應(yīng)用出發(fā)，系統(tǒng)介紹人工智能的基本理論、方法和技術(shù)，以及傳統(tǒng)行業(yè)AI化改造的解決方案。全書(shū)共8章，內(nèi)容涵蓋人工智能概述、Python基礎(chǔ)、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、語(yǔ)言識(shí)別、自然語(yǔ)言處理、知識(shí)圖譜和人工智能行業(yè)解決方案。 《人工智能概論——基礎(chǔ)理論、編程語(yǔ)言及

場(chǎng)景化機(jī)器學(xué)習(xí)

《人工智能簡(jiǎn)史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學(xué)科的所有領(lǐng)域，包括人工智能的起源、自動(dòng)定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理、遺傳算法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、超級(jí)智能、哲學(xué)問(wèn)題和未來(lái)趨勢(shì)等，以宏闊的視野和生動(dòng)的語(yǔ)言，對(duì)人工智能進(jìn)行了全面回顧和深度點(diǎn)評(píng)。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

本書(shū)的目標(biāo)是幫助讀者全面、系統(tǒng)地學(xué)習(xí)機(jī)器學(xué)習(xí)所必須的數(shù)學(xué)知識(shí)。全書(shū)由8章組成，力求精準(zhǔn)、小地覆蓋機(jī)器學(xué)數(shù)學(xué)知識(shí)。包括微積分，線性代數(shù)與矩陣論，**化方法，概率論，信息論，隨機(jī)過(guò)程，以及圖論。本書(shū)從機(jī)器學(xué)角度講授這些數(shù)學(xué)知識(shí)，對(duì)它們?cè)谠擃I(lǐng)域的應(yīng)用舉例說(shuō)明，使讀者對(duì)某些抽象的數(shù)學(xué)知識(shí)和理論的實(shí)際應(yīng)用有直觀、具體的認(rèn)識(shí)

本書(shū)首先概述人工智能、深度學(xué)習(xí)相關(guān)的基本概念和發(fā)展歷程;然后詳細(xì)介紹深度學(xué)習(xí)的基本理論和算法,包括神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)、卷積神經(jīng)網(wǎng)絡(luò)的主要框架和應(yīng)用實(shí)例、循環(huán)神經(jīng)網(wǎng)絡(luò)和無(wú)監(jiān)督學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)的模型和應(yīng)用、深層神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化方法、深度學(xué)習(xí)模型的輕量化方案以及移動(dòng)端深度學(xué)習(xí)案例;之后闡述強(qiáng)化學(xué)習(xí)的基本理論和算法,包括傳統(tǒng)

在《定性表征——人們?nèi)绾瓮评砗蛯W(xué)習(xí)連續(xù)變化的世界》一書(shū)中，KennethD.Forbus提出，定性表征是認(rèn)知科學(xué)非常深?yuàn)W的關(guān)鍵內(nèi)容之一——如何對(duì)我們周圍連續(xù)變化的現(xiàn)象進(jìn)行推理和學(xué)習(xí)。Forbus認(rèn)為，定性表征是人類認(rèn)知的核心，它將連續(xù)現(xiàn)象分解成有意義單元的符號(hào)化表征。定性表征為常識(shí)推理奠定了基礎(chǔ)，因?yàn)樗鼈兛梢杂梅浅Ｉ俚?/p>