本書分四部分介紹深度學(xué)習(xí)算法模型及相關(guān)應(yīng)用實例。第一部分介紹在深度學(xué)習(xí)中必備的一些數(shù)學(xué)和機(jī)器學(xué)習(xí)的基礎(chǔ)知識。第二部分介紹卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強(qiáng)化網(wǎng)絡(luò)等經(jīng)典模型，并對每種模型從原理、結(jié)構(gòu)、優(yōu)化等方面進(jìn)行論述。第三部分介紹深度學(xué)習(xí)中常用的優(yōu)化方法及訓(xùn)練技巧。第四部分結(jié)合實踐來介紹深度學(xué)習(xí)在計算機(jī)視覺、模式識別中

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(biāo)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(yán)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)

《從統(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》敘述了從數(shù)學(xué)到統(tǒng)計、從統(tǒng)計到人工智能的發(fā)展，結(jié)合大量的實際商業(yè)應(yīng)用案例介紹了諸多經(jīng)典的機(jī)器學(xué)習(xí)算法，比如LASSO回歸、MCMC、決策樹、隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)等。《從統(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》將案例與算法結(jié)合，基于人工智能的場景，從理論到實際操作層層遞進(jìn)，讀者從中

本書從區(qū)塊鏈的四個核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識機(jī)制和智能合約技術(shù)入手，重點(diǎn)介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識機(jī)制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權(quán)益證明），DPoS（股份授權(quán)證明），Ripple共識，PBFT（實用拜占庭容錯）和PoV（投票證明）等，并具體分析了每個算

粒計算是目前人工智能領(lǐng)域內(nèi)廣為關(guān)注的研究課題，本書旨在為初學(xué)者提供學(xué)習(xí)粒計算理論與方法的基本指導(dǎo)。模糊集、粗糙集和概念格是粒計算的三種主要的方法，本書把這三種方法有機(jī)地結(jié)合成為一個粒計算的基本理論框架，主要包括：1）模糊集理論，2）粗糙集理論，3）概念格理論。

作為一個崛起中的新興力量，人工智能不僅僅是一種技術(shù)，它的發(fā)展除了在科學(xué)和產(chǎn)業(yè)發(fā)展領(lǐng)域產(chǎn)生影響之外，還將對現(xiàn)行人類的社會規(guī)范、生活模式產(chǎn)生非常深遠(yuǎn)的影響。隨著第三次人工智能潮的到來，人們對人工智能及其未來的發(fā)展充滿強(qiáng)烈的興趣和諸多的疑問——什么是人工智能？人工智能對人類生活會有哪些深遠(yuǎn)影響？我們又能通過人工智能實現(xiàn)什么樣

機(jī)器學(xué)習(xí)是一門涉及高等數(shù)學(xué)、線性代數(shù)、概率論、統(tǒng)計學(xué)和運(yùn)籌學(xué)等領(lǐng)域的交叉學(xué)科。機(jī)器學(xué)習(xí)的基礎(chǔ)就是數(shù)學(xué)，這也就要求學(xué)習(xí)者要有良好的數(shù)學(xué)基礎(chǔ)。為了降低機(jī)器學(xué)習(xí)的學(xué)習(xí)門檻，本書深入淺出地對機(jī)器學(xué)習(xí)算法的數(shù)學(xué)原理進(jìn)行了嚴(yán)謹(jǐn)?shù)耐茖?dǎo)；并利用Python3對各種機(jī)器學(xué)習(xí)算法進(jìn)行復(fù)現(xiàn)，還利用介紹的算法在相應(yīng)數(shù)據(jù)集上進(jìn)行實戰(zhàn)。本書主要內(nèi)

本書通過分析最優(yōu)化理論和算法與機(jī)器學(xué)習(xí)的關(guān)系：最優(yōu)化理論和算法促進(jìn)了機(jī)器學(xué)習(xí)的發(fā)展，同時機(jī)器學(xué)習(xí)對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機(jī)器學(xué)習(xí)的求解方法，此類方法通過一些學(xué)習(xí)方法，結(jié)合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機(jī)器學(xué)習(xí)理論方法。 本書共分為六章，

本書系統(tǒng)介紹了作者近年來在分布式多智能體系統(tǒng)一致性協(xié)同控制領(lǐng)域的最新理論研究成果，其集中體現(xiàn)了該領(lǐng)域近年來最新的研究進(jìn)展與發(fā)展動態(tài)。圍繞系統(tǒng)復(fù)雜性、拓?fù)鋸?fù)雜性以及連接復(fù)雜性三個維度，分別介紹了基于合作、競爭以及合作與競爭關(guān)系的同質(zhì)、異質(zhì)多智能體復(fù)雜系統(tǒng)的一致性以及分組一致性協(xié)同控制等基本問題，為豐富和發(fā)展多智能體系統(tǒng)協(xié)

本書對智能任務(wù)的專家遴選與推薦問題進(jìn)行了較為深入、全面的研究。本書首先全面梳理了國內(nèi)外該領(lǐng)域的研究情況，總結(jié)出一個較為清晰的脈絡(luò)，對相關(guān)問題的定義、起源進(jìn)行了追溯，并有針對性地明確幾個研究問題的定義。然后，對作為研究試驗基礎(chǔ)的多學(xué)科知識結(jié)構(gòu)問題進(jìn)行了分析，并進(jìn)一步對學(xué)術(shù)論文引用預(yù)測及影響因素、專家興趣建模、面向主題覆蓋

近20年來，復(fù)雜神經(jīng)網(wǎng)絡(luò)的建模與動力學(xué)行為研究已成為神經(jīng)科學(xué)、信息科學(xué)、非線性動力學(xué)等多學(xué)科交叉領(lǐng)域具有較大挑戰(zhàn)性的一個前沿性研究課題。因此，深入研究大規(guī)模神經(jīng)網(wǎng)絡(luò)的復(fù)雜動力學(xué)行為，探討大規(guī)模神經(jīng)網(wǎng)絡(luò)對外界輸入信號的興奮特性、同步特性和復(fù)雜網(wǎng)絡(luò)自身的穩(wěn)定性等，對于探索人腦的記憶、學(xué)習(xí)與思維方式和信息的處理能力將會提供有

隨著計算技術(shù)的飛速發(fā)展，人共智能似乎在頃刻之間就悄悄地來到我們身邊，一時間我們的周圍到處舞動著人工智能，令人眼花繚亂。從手機(jī)到3D打印，從谷歌眼鏡到全息投影，就連美圖APP一鍵整容都要依靠人工智能；而且，人工智能的快速發(fā)展超越人類的想象，一時間，人機(jī)交互、無人駕駛、虛擬現(xiàn)實等智能設(shè)備扎堆出現(xiàn)，智能機(jī)器人頻頻亮相。

不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術(shù)。這些應(yīng)用的核心技術(shù)就是深度學(xué)習(xí)，也正是本書的核心內(nèi)容。 本書以TensorFlow為核心，分為3篇，共計15章節(jié)。第1篇是基礎(chǔ)篇（第1~5章），主要介紹什么是深度學(xué)習(xí)、深度學(xué)習(xí)的本質(zhì)是什么、深度學(xué)習(xí)所使用的教材和方法，以及深度學(xué)習(xí)

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、移動機(jī)器人定位與建圖、移動機(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、反向傳播與計算圖自動求導(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語言實現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實踐緊密結(jié)合。

隨著計算科學(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)解決計算機(jī)視覺、語言處理、語義分析等方面的

粒計算是人工智能的重要分支領(lǐng)域。它以一種�；�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