本書內(nèi)容涵蓋了人工智能的起源、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、專家系統(tǒng)、推薦系統(tǒng)、自然語言處理、智能圖像處理、智能機(jī)器人。本書可供從事人工智能研究領(lǐng)域的工程技術(shù)人員和科研人員閱讀。

全書分為人工智能基礎(chǔ)與智能機(jī)器人兩大部分，共17章。第一部分主要介紹人工智能的基本概念、知識工程、確定性推理、不確定性推理、搜索方法、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算與群體智能、分布式人工智能等內(nèi)容。第二部分主要介紹智能機(jī)器人的定義和研究領(lǐng)域、機(jī)器人感知、移動(dòng)機(jī)器人定位與建圖、移動(dòng)機(jī)器人導(dǎo)航、機(jī)器人路徑規(guī)劃、多機(jī)器人系

本書以神經(jīng)網(wǎng)絡(luò)為線索，沿著從線性模型到深度學(xué)習(xí)的路線講解神經(jīng)網(wǎng)絡(luò)的原理和實(shí)現(xiàn)。本書將數(shù)學(xué)基礎(chǔ)知識與機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)緊密結(jié)合，包含線性模型的結(jié)構(gòu)與局限、損失函數(shù)、基于一階和二階信息的優(yōu)化算法、模型自由度與正則化、神經(jīng)網(wǎng)絡(luò)的表達(dá)能力、反向傳播與計(jì)算圖自動(dòng)求導(dǎo)、卷積神經(jīng)網(wǎng)絡(luò)等主題，幫助讀者建立基于數(shù)學(xué)原理的較深刻的洞見和認(rèn)

本書用淺顯易懂的語言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實(shí)現(xiàn)圖片識別、文本翻譯、強(qiáng)化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等多個(gè)目前*流行的深度學(xué)習(xí)應(yīng)用。書中基于目前流行的PyTorch框架，運(yùn)用Python語言實(shí)現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實(shí)踐緊密結(jié)合。

隨著計(jì)算科學(xué)的快速發(fā)展，人工智能已為我們大家熟知。2017年國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國家戰(zhàn)略地位，關(guān)于人工智能的科普、技術(shù)普及讀物也已出現(xiàn)，但符合少年兒童認(rèn)知的人工智能科普讀物卻一直是個(gè)空白。本書是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡潔的形式介紹人工智能的歷史、現(xiàn)狀

本書主要講述了深度學(xué)習(xí)中的重要概念和技術(shù)，并展示了如何使用TensorFlow實(shí)現(xiàn)高級機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)。本書首先介紹了數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中的基本概念，然后講述如何使用TensorFlow訓(xùn)練深度學(xué)習(xí)模型，以及如何通過訓(xùn)練深度前饋神經(jīng)網(wǎng)絡(luò)對數(shù)字進(jìn)行分類，如何通過深度學(xué)習(xí)架構(gòu)解決計(jì)算機(jī)視覺、語言處理、語義分析等方面的

粒計(jì)算是人工智能的重要分支領(lǐng)域。它以一種粒化的思想和方法來分析與處理問題，這為探究人工智能中普遍存在的不確定性問題提供了新方法。本書介紹粒計(jì)算中不確定性分析的最新研究進(jìn)展。全書共12章，內(nèi)容涉及經(jīng)典粗糙集、模糊粗糙集、鄰域粗糙集、三支決策、決策規(guī)則、鄰域系統(tǒng)、深度學(xué)習(xí)等。每章都深入分析模型及其在應(yīng)用中存在的不確定性問題

本書是2012~2013年筆者在劍橋大學(xué)訪學(xué)時(shí)的所看所感所思所悟，結(jié)合科學(xué)哲學(xué)、藝術(shù)等方面的觀察思考，針對起源于劍橋大學(xué)的人機(jī)交互技術(shù)、智能科學(xué)歷史淵源進(jìn)行了深入細(xì)致的梳理和分析，并結(jié)合自己正在進(jìn)行中的人機(jī)融合智能研究展開本質(zhì)性探討和思考，比如在自主系統(tǒng)、機(jī)器學(xué)習(xí)、深度態(tài)勢感知、人機(jī)環(huán)境系統(tǒng)、智能哲學(xué)、軍事智能、智能傳

機(jī)器學(xué)習(xí)已經(jīng)廣泛地應(yīng)用于各行各業(yè)，深度學(xué)習(xí)的興起再次推動(dòng)了人工智能的熱潮。本書結(jié)合項(xiàng)目實(shí)踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機(jī)器學(xué)習(xí)平臺(tái)的主要特點(diǎn)；然后結(jié)合Tableau介紹了數(shù)據(jù)可視化在銀行客戶用卡行為分析的應(yīng)用。在此基礎(chǔ)上，利用上述介紹的這些平臺(tái)，通過多個(gè)項(xiàng)目案例，詳細(xì)地分析

數(shù)學(xué)是機(jī)器學(xué)習(xí)繞不開的基礎(chǔ)知識，傳統(tǒng)教材的風(fēng)格偏重理論定義和運(yùn)算技巧，想以此高效地打下機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，針對性和可讀性并不佳。本書以機(jī)器學(xué)習(xí)涉及的線性代數(shù)核心知識為重點(diǎn)，進(jìn)行新的嘗試和突破：從坐標(biāo)與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個(gè)維度，環(huán)環(huán)相扣地展開線性代數(shù)與機(jī)器學(xué)習(xí)算法緊密結(jié)合的核心內(nèi)容，

本書介紹了經(jīng)典控制理論的基本概念、基本理論和控制系統(tǒng)的基本分析方法及實(shí)際應(yīng)用。主要內(nèi)容有：自動(dòng)控制的基本概念、控制系統(tǒng)的數(shù)學(xué)模型、控制系統(tǒng)的時(shí)域分析法和頻域分析法、控制系統(tǒng)的校正、直流調(diào)速系統(tǒng)、直流脈寬調(diào)速系統(tǒng)、位置隨動(dòng)系統(tǒng)、交流變頻調(diào)速系統(tǒng)等。各章均配有內(nèi)容提要、小結(jié)和大量習(xí)題。

本書以程序員所熟悉的代碼方式帶領(lǐng)程序員們進(jìn)入深度學(xué)習(xí)的世界。所有的理論都有對應(yīng)的可運(yùn)行的代碼進(jìn)行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學(xué)習(xí)的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學(xué)習(xí)框架，使讀者同時(shí)掌握靜態(tài)計(jì)算圖和動(dòng)態(tài)計(jì)算圖這兩大流派，方便讀者跟隨新技術(shù)形勢。同時(shí)還介

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動(dòng)力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動(dòng)力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

本書旨在討論人工智能領(lǐng)域未來的發(fā)展方向，即通用人工智能和奇點(diǎn)現(xiàn)象。本書涵蓋了奇點(diǎn)理論提出以來該領(lǐng)域取得的一系列研究進(jìn)展，剖析了實(shí)現(xiàn)通用人工智能所面臨的問題并分析了各種實(shí)現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術(shù)，比如意識上傳、飛米技術(shù)等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術(shù)落地，在生物學(xué)領(lǐng)域進(jìn)

本書是由兩位技術(shù)出身的企業(yè)管理者編寫的深度學(xué)習(xí)普及書。本書的前四章提供了足夠的關(guān)于深度學(xué)習(xí)的理論知識，包括機(jī)器學(xué)習(xí)的基本概念、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、從神經(jīng)網(wǎng)絡(luò)到深度網(wǎng)絡(luò)的演化歷程，以及主流的深度網(wǎng)絡(luò)架構(gòu)，為讀者閱讀本書剩余內(nèi)容打下基礎(chǔ)。后五章帶領(lǐng)讀者進(jìn)行一系列深度學(xué)習(xí)的實(shí)踐，包括建立深層網(wǎng)絡(luò)、調(diào)優(yōu)技術(shù)、各種數(shù)據(jù)類型的向量化和在

本書介紹了深度學(xué)習(xí)原理與TensorFlow實(shí)踐。著重講述了當(dāng)前學(xué)術(shù)界和工業(yè)界的深度學(xué)習(xí)核心知識：機(jī)器學(xué)習(xí)概論、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。著重講述了深度學(xué)習(xí)的實(shí)現(xiàn)以及深度學(xué)習(xí)框架TensorFlow：Python編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、TensorFlow編程實(shí)踐、TensorFlo

粒計(jì)算是當(dāng)前計(jì)算智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問題的新方法，研究內(nèi)容覆蓋了有關(guān)粒度的主要理論、方法和技術(shù)，是研究復(fù)雜問題求解、大數(shù)據(jù)挖掘和模糊不確定信息處理等當(dāng)前面臨的關(guān)鍵問題的有效工具。本書介紹了粗糙集理論、概念格理論、三支決策理論等粒計(jì)算研究的概述和最新進(jìn)展。全書共14章，主要由兩部分組成（多粒度計(jì)算、三支決

隨著決策環(huán)境日益復(fù)雜，決策問題的不確定性突顯。在不確定性條件下，如何借助定量工具分析決策者的主觀判斷，是一個(gè)值得研究的問題。證據(jù)推理作為一種面向不確定性信息融合的推理理論與方法，為解決不確定性多屬性決策問題提供了新的研究思路，即將搜集到的信息和個(gè)體經(jīng)驗(yàn)作為判斷和推理的證據(jù)，通過融合證據(jù)信息對方案進(jìn)行評價(jià)和排序。本書從實(shí)

粒計(jì)算的方法理念是本書各章節(jié)貫穿的主線。第1章的討論針對粒計(jì)算涉及的概念，強(qiáng)調(diào)了粒的核心地位，設(shè)定了粒的形式化框架，該框架使給出的幾種粒的定義得到了統(tǒng)一。在第1章的基礎(chǔ)上，第2-7章分別利用粒中的數(shù)據(jù)信息，建立了不同的數(shù)據(jù)推理方法，包括粗糙數(shù)據(jù)推理以及用于描述粗糙數(shù)據(jù)聯(lián)系的討論、粗糙數(shù)據(jù)推理的精度分析、決策推理支撐下的