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(duì)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(shì)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(shí)，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(duì)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(shí)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(duì)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(shì)。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(shí)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(shí)，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(shí)：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?jī)?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(duì)方案進(jìn)行評(píng)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(duì)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

很多機(jī)器學(xué)習(xí)任務(wù)中具有多個(gè)沖突的目標(biāo)需要同時(shí)被優(yōu)化。基于群搜索策略的進(jìn)化算法在求解多目標(biāo)優(yōu)化問題領(lǐng)域得到了廣泛的應(yīng)用。多目標(biāo)機(jī)器學(xué)習(xí)在近幾年引起了廣泛的關(guān)注，并且得到快速的發(fā)展。但是多目標(biāo)機(jī)器學(xué)習(xí)在模型建立和優(yōu)化學(xué)習(xí)方面仍然存在很多瓶頸問題。本書工作圍繞多目標(biāo)機(jī)器學(xué)習(xí)新模型探索和多目標(biāo)學(xué)習(xí)算法設(shè)計(jì)展開。主要包括如下幾個(gè)

全套叢書規(guī)劃為十卷本，每一卷獨(dú)立成冊(cè)，圍繞一個(gè)學(xué)科展開。在每?jī)?cè)中，每一個(gè)章一個(gè)主題，每一節(jié)一部科幻作品（主要為科幻影視和科幻小說），每一節(jié)大體上分為三部分："科幻作品簡(jiǎn)介"、"科學(xué)內(nèi)容透析"、"科學(xué)奇聞異事"。兼顧科學(xué)性與趣味性。主要選題包括：航空航天卷、心理學(xué)卷、地學(xué)卷、海洋學(xué)卷、生物科學(xué)卷、人體科學(xué)卷、軍事科學(xué)卷、

本書將帶你了解特征工程的完整過程，使機(jī)器學(xué)習(xí)更加系統(tǒng)、高效。你會(huì)從理解數(shù)據(jù)開始學(xué)習(xí)，機(jī)器學(xué)習(xí)模型的成功正是取決于如何利用不同類型的特征，例如連續(xù)特征、分類特征等。你將了解何時(shí)納入一項(xiàng)特征、何時(shí)忽略一項(xiàng)特征，以及其中的原因。你還會(huì)學(xué)習(xí)如何將問題陳述轉(zhuǎn)換為有用的新特征，如何提供由商業(yè)需求和數(shù)學(xué)見解驅(qū)動(dòng)的特征，以及如何在自己

面對(duì)科技的迅猛發(fā)展，我國(guó)政府制定了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升到國(guó)家戰(zhàn)略層面，并提出：人工智能產(chǎn)業(yè)要成為新的重要經(jīng)濟(jì)增長(zhǎng)點(diǎn)，而且要在2030年成為世界主要人工智能創(chuàng)新中心，為躋身創(chuàng)新型國(guó)家前列和經(jīng)濟(jì)強(qiáng)國(guó)奠定重要基礎(chǔ)。讓認(rèn)知升級(jí)，讓智能重構(gòu)生活玩轉(zhuǎn)智能時(shí)代，搞懂人工智能的過去、現(xiàn)在及未來這本書就夠了！這本書

本書圍繞數(shù)據(jù)降維技術(shù)，分別針對(duì)線性降維和非線性降維兩種降維手段進(jìn)行廣泛而深入的討論。對(duì)于線性降維技術(shù)，本書介紹了常用的降維算法，并對(duì)線性降維與矩陣分解的等價(jià)性進(jìn)行了分析，在此基礎(chǔ)上提出了semi-NMF、OCA、IOCA、EOCA等改進(jìn)算法并進(jìn)行詳細(xì)的理論分析和實(shí)驗(yàn)驗(yàn)證。對(duì)于非線性降維算法，本書介紹了常用算法，包括流形

近幾年，物聯(lián)網(wǎng)從誕生到迅速發(fā)展，受到了產(chǎn)業(yè)界及學(xué)術(shù)界的廣泛重視，并上升到國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)的高度。本書對(duì)物聯(lián)網(wǎng)中的關(guān)鍵技術(shù)及其在眾多生產(chǎn)與生活領(lǐng)域中的應(yīng)用進(jìn)行了研究，主要內(nèi)容涵蓋了RFID技術(shù)、智能傳感器與無線傳感器網(wǎng)絡(luò)技術(shù)、物聯(lián)網(wǎng)通信與傳輸技術(shù)等。本書結(jié)構(gòu)合理，條理清晰，內(nèi)容豐富新穎，可供從事物聯(lián)網(wǎng)相關(guān)工作的研究人員

探索人工智能Ⅱ· 交叉應(yīng)用

“理解未來系列”一套共7本，本書是其中之一。“理解未來”是未來論壇每月舉辦的免費(fèi)大型科普講座，它邀請(qǐng)知名科學(xué)家用通俗的語言解讀*激動(dòng)人心的科學(xué)進(jìn)展，旨在傳播科學(xué)知識(shí)，提高大眾對(duì)科學(xué)的認(rèn)知。本套叢書是精選的部分現(xiàn)場(chǎng)講座的文字整理，然后按照不同學(xué)科歸類分冊(cè)。