本書主要目標(biāo)是引導(dǎo)學(xué)生步入人工智能時代，積極投身人工智能的變革浪潮之中，了解人工智能概念，培養(yǎng)人工智能思維，熟悉人工智能應(yīng)用，探尋人工智能與自己專業(yè)的應(yīng)用結(jié)合點。主要內(nèi)容包括：人工智能的概念、應(yīng)用、關(guān)鍵技術(shù)和實際使用方法，主要包括緒論、人工智能關(guān)鍵技術(shù)、智能體、具身智能、大模型、AIGC應(yīng)用與實踐、AI搜索實踐、AI協(xié)

本書系統(tǒng)、全面地介紹了計算機與人工智能的基礎(chǔ)概念、理論、方法、技術(shù)以及人工智能主要研究領(lǐng)域的基礎(chǔ)知識與應(yīng)用等內(nèi)容。全書共3篇，10章。第一篇，人工智能基礎(chǔ)篇，第1~3章，內(nèi)容包括緒論、人工智能的基礎(chǔ)設(shè)施、人工智能程序設(shè)計語言等。第二篇，人工智能算法篇，第4~6章，內(nèi)容包括知識表示與智能推理、搜索策略與問題求解、機器學(xué)習(xí)

近年來，人工智能的框架、理論、方法和產(chǎn)業(yè)發(fā)展極為迅速，是當(dāng)前科學(xué)研究的前沿和創(chuàng)新創(chuàng)業(yè)的熱點。本書系統(tǒng)介紹了人工智能的原理和應(yīng)用情況，共分為11章，包括人工智能概述、知識表示與知識圖譜、確定性推理方法、不確定性推理方法、搜索策略、智能計算及應(yīng)用、機器視覺、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、智能體與多智能體系統(tǒng)以及自然語言處理

本書主要介紹多智能體協(xié)同調(diào)控理論，深入闡述通信拒止時基于系統(tǒng)相對測量輸出的分布式觀測器設(shè)計新理論與方法，并圍繞此方法探討多類多智能體系統(tǒng)的分布式協(xié)同調(diào)控問題。內(nèi)容涵蓋多智能體系統(tǒng)的基礎(chǔ)理論與圖論的基礎(chǔ)知識、靜態(tài)與切換網(wǎng)絡(luò)拓?fù)湎碌亩噍斎攵噍敵鼍�性異構(gòu)多智能體系統(tǒng)一致性調(diào)控、二階非線性系統(tǒng)的一致性調(diào)控、連續(xù)時間與離散時間線

本書聚焦人工智能領(lǐng)域中機器學(xué)習(xí)的基礎(chǔ)理論與方法，通過嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)推導(dǎo)和可解釋性分析，幫助讀者理解常用方法的理論內(nèi)涵與實現(xiàn)細(xì)節(jié)。全書共8章，第1章簡要講解機器學(xué)習(xí)的基本概念與發(fā)展脈絡(luò)；第2章和第3章介紹所需的數(shù)學(xué)基礎(chǔ)與優(yōu)化基礎(chǔ)；第4章介紹數(shù)據(jù)基礎(chǔ)理論方面的知識；第5～8章分類探討經(jīng)典機器學(xué)習(xí)方法，涵蓋特征處理、聚類分析、回

本書闡述了基于群組及Lp正則項稀疏神經(jīng)元反應(yīng)的多種神經(jīng)網(wǎng)絡(luò)建模的思想，介紹了以大腦神經(jīng)元反應(yīng)能耗為約束的多目標(biāo)稀疏優(yōu)化模型，并針對傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)、Pi-Sigma神經(jīng)網(wǎng)絡(luò)，Sigma-Pi-Sigma神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、嶺多項式神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)等給出了相關(guān)的稀疏優(yōu)化方案，并針對每種具體的神經(jīng)網(wǎng)絡(luò)模型給

在人工智能時代，智能體平臺已成為連接技術(shù)與生活的橋梁。本書全面介紹了當(dāng)前主流的智能體平臺及其應(yīng)用，旨在為讀者開啟智能化生活的大門。全書共分九章，首先對智能體平臺進(jìn)行概述，涵蓋基礎(chǔ)術(shù)語、核心特點、功能分類及應(yīng)用領(lǐng)域，并展望未來發(fā)展趨勢。隨后，深入剖析了八大智能體平臺：智譜AI、天工SkyAgents、訊飛星火、豆包、通義

在人工智能高速發(fā)展的當(dāng)下，本書圍繞全球首款通用AIAgent——Manus展開。"認(rèn)知篇”回溯AIAgent發(fā)展軌跡，剖析其與大模型的不同，突出Manus"知行合一”的獨特理念；"基礎(chǔ)操作篇”細(xì)致介紹Manus的安裝注冊流程、界面交互方式，分享個性化設(shè)置技巧，同時深入解讀技術(shù)原理，助力讀者快速入門；"場景應(yīng)用篇”重點呈

人工智能通識教育是高等教育領(lǐng)域亟待探索的重要課題。本書圍繞人工智能通識教育實踐主題展開，從大語言模型入門，沿著數(shù)據(jù)、計算、智能工具到智能模型的路徑，逐步引導(dǎo)學(xué)生進(jìn)入人工智能的世界。本書聚焦于計算機視覺和自然語言處理兩大應(yīng)用方向，幫助學(xué)生理解深度學(xué)習(xí)模型，并通過調(diào)用大模型API的方式將智能模型融入實際程序。全書共9章，各

本書圍繞ModelContextProtocol（MCP）這一新興的大模型上下文控制協(xié)議展開，系統(tǒng)講解其技術(shù)原理、協(xié)議結(jié)構(gòu)、開發(fā)機制及工程化實踐方法，旨在為大語言模型（LLM）開發(fā)者、架構(gòu)設(shè)計師及人工智能工程人員提供一套實用且嚴(yán)謹(jǐn)?shù)膮⒖贾改�。全書共分為十章，�?nèi)容由淺入深。全書首先從LLM的核心原理出發(fā)，介紹Transf