本書共分8章，系統(tǒng)地介紹了神經(jīng)網(wǎng)絡盲均衡算法的基本理論及算法形式。首先分析了盲均衡算法的基本原理、均衡準則、評價指標以及與神經(jīng)網(wǎng)絡的結合機理。其次，系統(tǒng)研究了前饋神經(jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡、進化神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡和小波神經(jīng)網(wǎng)絡盲均衡算法的基本原理，推導了算法迭代公式，并進行了計算機仿真。最后采用zigzag編碼和前饋神

本書致力于推動人工智能的普及教育，結合最新的人工智能科學技術的發(fā)展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復蘇、人工智能的高速發(fā)展、人工智能的應用分支和哲學與思考等方面，在每章節(jié)后都有與之對應的章節(jié)習題，供學習者學習，以強化學生解決問題的能力。

《機器學習實用教程》將根據(jù)高等院校所開設的《機器學習》教學實踐的要求，結合重慶工商大學教學實踐情況，重點講授重要的機器學習理論以及相關算法的實現(xiàn)。

《人工智能概論——基礎理論、編程語言及應用技術（微課視頻版）》從應用出發(fā)，系統(tǒng)介紹人工智能的基本理論、方法和技術，以及傳統(tǒng)行業(yè)AI化改造的解決方案。全書共8章，內(nèi)容涵蓋人工智能概述、Python基礎、機器學習、計算機視覺、語言識別、自然語言處理、知識圖譜和人工智能行業(yè)解決方案。 《人工智能概論——基礎理論、編程語言及

場景化機器學習

《人工智能簡史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

本書的目標是幫助讀者全面、系統(tǒng)地學習機器學習所必須的數(shù)學知識。全書由8章組成，力求精準、小地覆蓋機器學數(shù)學知識。包括微積分，線性代數(shù)與矩陣論，**化方法，概率論，信息論，隨機過程，以及圖論。本書從機器學角度講授這些數(shù)學知識，對它們在該領域的應用舉例說明，使讀者對某些抽象的數(shù)學知識和理論的實際應用有直觀、具體的認識

本書首先概述人工智能、深度學習相關的基本概念和發(fā)展歷程;然后詳細介紹深度學習的基本理論和算法,包括神經(jīng)網(wǎng)絡的關鍵技術、卷積神經(jīng)網(wǎng)絡的主要框架和應用實例、循環(huán)神經(jīng)網(wǎng)絡和無監(jiān)督學習深度神經(jīng)網(wǎng)絡的模型和應用、深層神經(jīng)網(wǎng)絡的參數(shù)優(yōu)化方法、深度學習模型的輕量化方案以及移動端深度學習案例;之后闡述強化學習的基本理論和算法,包括傳統(tǒng)

在《定性表征——人們?nèi)绾瓮评砗蛯W習連續(xù)變化的世界》一書中，KennethD.Forbus提出，定性表征是認知科學非常深奧的關鍵內(nèi)容之一——如何對我們周圍連續(xù)變化的現(xiàn)象進行推理和學習。Forbus認為，定性表征是人類認知的核心，它將連續(xù)現(xiàn)象分解成有意義單元的符號化表征。定性表征為常識推理奠定了基礎，因為它們可以用非常少的

大部分TensorFlow教材應用案例少，理論講解比較概括，學生數(shù)學基礎薄弱，對人工神經(jīng)網(wǎng)絡較難入門。本教材介紹TensorFlow的發(fā)展和特點后，通過案例詳細介紹TensorFlow的使用，著重細致地講解學生學習中遇到的難點，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學生逐層遞進地掌握TensorFlow，最后