數(shù)智平臺設(shè)計與用戶行為研究-認知神經(jīng)科學(xué)視角

學(xué)科的范式(科學(xué)觀與方法論)是指導(dǎo)學(xué)科研究的**引領(lǐng)力量。然而作者發(fā)現(xiàn)：作為信息學(xué)科高級篇章的人工智能卻遵循著物質(zhì)學(xué)科的范式，使人工智能的研究嚴重受限。因此，本書實施了人工智能的范式革命：總結(jié)了信息學(xué)科的范式，以此取代物質(zhì)學(xué)科范式對人工智能研究的統(tǒng)領(lǐng)地位；在信息學(xué)科范式的引領(lǐng)下，構(gòu)筑人工智能的全局模型，揭示普適性智能生

本書介紹了文心一言的操作技巧和提示詞，列舉了文本、文案方案、個人IP內(nèi)容、個人學(xué)習(xí)成長和個人生活助手等多個領(lǐng)域的輔助生成應(yīng)用案例�！笆谌艘詽O，給人工具”“拿來即用，來即參”，本書旨在為讀者提供使用文心一言的工具方法、案例和技巧，幫助讀者十倍甚至百倍提升工作的創(chuàng)造力和生產(chǎn)力。

中國原創(chuàng)學(xué)科可拓學(xué)，用形式化的模型，研究事物拓展的可能性和開拓創(chuàng)新的規(guī)律與方法，并用于創(chuàng)新和處理矛盾問題.《可拓學(xué)（第二版）》系統(tǒng)地闡述了可拓學(xué)的基本理論——可拓論、基本方法——可拓創(chuàng)新方法及其在各領(lǐng)域的應(yīng)用——可拓工程，并給出可拓工程方法的應(yīng)用案例.《可拓學(xué)（第二版）》理論與應(yīng)用相結(jié)合，分析透徹，可操作性強.讀者可以

本書重點圍繞眾智科學(xué)智能理論與計算方法展開介紹，主要內(nèi)容包括眾智的定義和建模、眾智的分析與計算方法、單個智能體和多個智能體的智能進化方法、眾智水平分析方法，以及眾智科學(xué)智能理論在典型場景的應(yīng)用。

概念認知學(xué)習(xí)是人工智能、大數(shù)據(jù)領(lǐng)域關(guān)注的多學(xué)科交叉研究方向，涵蓋了哲學(xué)、數(shù)學(xué)、心理學(xué)、認知科學(xué)以及信息科學(xué)等領(lǐng)域．《概念認知學(xué)習(xí)理論與方法》旨在為廣大學(xué)者和科研工作者提供概念認知學(xué)習(xí)領(lǐng)域的基礎(chǔ)理論與學(xué)習(xí)方法．《概念認知學(xué)習(xí)理論與方法》主要內(nèi)容包括概念認知學(xué)習(xí)的基本概念和基礎(chǔ)知識、概念認知系統(tǒng)的邏輯推理、概念認知的雙向?qū)W

航空航天、智能制造及船舶動力定位等復(fù)雜系統(tǒng)中均含有大量來源不同、類型各異的干擾，上述干擾統(tǒng)稱為多源異質(zhì)干擾，帶有此類干擾的系統(tǒng)稱為多源異質(zhì)干擾系統(tǒng)。現(xiàn)有的抗干擾控制方法大多針對單一干擾或?qū)⒍嘣串愘|(zhì)干擾整合為單一等價干擾，對干擾的來源、途徑和類型及對系統(tǒng)的影響機理等特征信息提取與分析不足。鑒于此，本書針對帶有多源異質(zhì)干擾

本書與工程實踐緊密結(jié)合，對連續(xù)控制系統(tǒng)、離散控制系統(tǒng)、非線性系統(tǒng)等進行了描述，從控制系統(tǒng)的結(jié)構(gòu)、分類、分析、設(shè)計出發(fā)，引出系統(tǒng)數(shù)學(xué)模型，對傳遞函數(shù)、動態(tài)結(jié)構(gòu)圖、典型環(huán)節(jié)等內(nèi)容進行了細致的描述。本書重點對時域部分的系統(tǒng)階躍響應(yīng)分析、穩(wěn)定性分析、穩(wěn)態(tài)誤差計算，頻域部分的伯德圖、幅相頻率特性曲線、穩(wěn)定裕度等內(nèi)容進行了闡述，進

本書對應(yīng)課程屬于一門概論性課程。本書將傳統(tǒng)的和新一代的人工智能/智能制造融于一體，從傳承與發(fā)展視角出發(fā)概述人工智能與智能制造的發(fā)展現(xiàn)狀及其相互關(guān)系，重點闡述人工智能與智能制造共性基礎(chǔ)技術(shù)、知識驅(qū)動的符號智能、數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)、智能制造理論與技術(shù)體系、智能制造的物理系統(tǒng)和信息系統(tǒng)，并指出人工智能與智能制造的未來發(fā)展方向

本書系統(tǒng)地介紹了人工智能的基本概念、主要方法及代表性模型算法。本書根據(jù)人工智能的知識體系，在兼顧傳統(tǒng)的人工智能方法的基礎(chǔ)上，重點突出前沿性內(nèi)容，并對自動推理、遺傳算法、神經(jīng)網(wǎng)絡(luò)、啟發(fā)式優(yōu)化、機器學(xué)習(xí)、異常檢測、梯度下降、邏輯回歸、反向傳播、卷積網(wǎng)絡(luò)、語言模型、詞向量等常見技術(shù)進行詳細闡述和討論。本書結(jié)合應(yīng)用安排了示例和