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(shí)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(shí)。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(duì)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(shí)踐來介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺、模式識(shí)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(huì)及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標(biāo)識(shí)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(duì)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(duì)圖像分類的對(duì)抗技術(shù)，描述了深度神經(jīng)網(wǎng)

粒計(jì)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(jì)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(jì)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(gè)粒計(jì)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。

《從統(tǒng)計(jì)世界走向人工智能——實(shí)戰(zhàn)案例與算法》敘述了從數(shù)學(xué)到統(tǒng)計(jì)、從統(tǒng)計(jì)到人工智能的發(fā)展，結(jié)合大量的實(shí)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�！稄慕y(tǒng)計(jì)世界走向人工智能——實(shí)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(shí)際操作層層遞進(jìn)，讀者從中

本書從區(qū)塊鏈的四個(gè)核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識(shí)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(shí)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(shí)，PBFT（實(shí)用拜占庭容錯(cuò)）和PoV（投票證明）等，并具體分析了每個(gè)算

作為一個(gè)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(duì)現(xiàn)行人類的社會(huì)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(duì)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(duì)人類生活會(huì)有哪些深遠(yuǎn)影響？我們又能通過人工智能實(shí)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(jì)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(duì)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(duì)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(shí)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(shí)機(jī)器學(xué)習(xí)對(duì)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(duì)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，

不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識(shí)別、文本識(shí)別、語音識(shí)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(jì)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。