演化學(xué)習(xí)利用演化算法求解機(jī)器學(xué)習(xí)中的復(fù)雜優(yōu)化問(wèn)題，在實(shí)踐中取得了許多成功，但因其缺少堅(jiān)實(shí)的理論基礎(chǔ)，在很長(zhǎng)時(shí)期內(nèi)未獲得機(jī)器學(xué)習(xí)社區(qū)的廣泛接受.本書(shū)主要內(nèi)容為三位作者在這個(gè)方向上過(guò)去二十年中主要工作的總結(jié).全書(shū)共18章，分為四個(gè)部分：第一部分(第1～2章)簡(jiǎn)要介紹演化學(xué)習(xí)和一些關(guān)于理論研究的預(yù)備知識(shí);第二部分(第3～6章

本書(shū)作者對(duì)于人工智能的發(fā)展、應(yīng)用和影響問(wèn)題的研究已有幾年的時(shí)間：初關(guān)注人工智能的微觀(guān)應(yīng)用問(wèn)題，對(duì)于無(wú)人經(jīng)濟(jì)的內(nèi)涵、分類(lèi)、發(fā)展機(jī)制、應(yīng)用模式等做了一些探索；后來(lái)研究興趣轉(zhuǎn)移到宏觀(guān)層面，重點(diǎn)關(guān)注人工智能發(fā)展對(duì)于就業(yè)的影響，本書(shū)是作者近兩年研究的總結(jié)。未來(lái)作者將把研究重點(diǎn)轉(zhuǎn)向人工智能發(fā)展背景下的分配問(wèn)題。隨著人工智能發(fā)展導(dǎo)致

本書(shū)圍繞上述問(wèn)題，從設(shè)計(jì)的創(chuàng)新能力與設(shè)計(jì)的實(shí)踐過(guò)程兩個(gè)角度，討論設(shè)計(jì)的認(rèn)知與思維特征、設(shè)計(jì)相關(guān)的人工智能理論與技術(shù)、人工智能支持的設(shè)計(jì)應(yīng)用、設(shè)計(jì)范式轉(zhuǎn)換等內(nèi)容。本書(shū)是一本設(shè)計(jì)與人工智能交叉領(lǐng)域的專(zhuān)著，書(shū)中以作者的研究為基礎(chǔ)，介紹設(shè)計(jì)與人工智能交叉領(lǐng)域的典型理論和方法、研究與實(shí)踐方向，希望能讓讀者有所參考，支持

2016年，一只阿法狗（AlphaGo）為全世界打開(kāi)了一條窄窄的門(mén)縫，通往未來(lái)之路就此展現(xiàn)。通過(guò)超強(qiáng)硬件和大量的數(shù)據(jù)積累，人工智能浪潮第三次興起。借助人工智能技術(shù)，公安部門(mén)可以輕松抓捕潛逃多年的罪犯，“AI換臉”已經(jīng)成為普通用戶(hù)的娛樂(lè)方式之一，智慧城市、自動(dòng)駕駛開(kāi)始在多個(gè)城市有試點(diǎn)……GPT-3、SwitchTrans

本書(shū)圍繞思維、信息、數(shù)據(jù)、算法、技術(shù)、安全、未來(lái)等方面討論人工智能技術(shù)背后的實(shí)現(xiàn)原理和本質(zhì)。涵蓋以下要點(diǎn)。1、人類(lèi)解決人工智能技術(shù)問(wèn)題的根本原因。2、重點(diǎn)圍繞香農(nóng)提出的信息論，并在此基礎(chǔ)上闡述關(guān)于信息的度量、加密、傳輸?shù)确矫娴膬?nèi)容。3、從正反兩個(gè)角度來(lái)審視大數(shù)據(jù)給我們生活帶來(lái)的影響。4、圍繞機(jī)器學(xué)習(xí)算法、人工神經(jīng)網(wǎng)絡(luò)算

本書(shū)先從背景出發(fā)，闡述黑盒模型存在的問(wèn)題以及不解決黑盒問(wèn)題模型可能帶來(lái)的后果，引出可解釋機(jī)器學(xué)習(xí)的重要性；隨后，我們從可解釋機(jī)器學(xué)習(xí)的研究方向，分為內(nèi)在可解釋模型算法和模型事后解析方法兩部分進(jìn)行介紹，闡述不同模型的原理、應(yīng)用及其可解釋性。z后通過(guò)三個(gè)不同的應(yīng)用場(chǎng)景，介紹在銀行實(shí)戰(zhàn)中的數(shù)據(jù)挖掘方法，由問(wèn)題、處理方法出發(fā)，

本書(shū)通過(guò)深度學(xué)習(xí)實(shí)例，從可解釋性角度出發(fā)，闡述深度學(xué)習(xí)的原理，并將圖神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)結(jié)合，介紹圖神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)技術(shù)。本書(shū)分為6章，主要內(nèi)容包括：圖片分類(lèi)模型、機(jī)器視覺(jué)的高級(jí)應(yīng)用、自然語(yǔ)言處理的相關(guān)應(yīng)用、神經(jīng)網(wǎng)絡(luò)的可解釋性、識(shí)別未知分類(lèi)的方法——零次學(xué)習(xí)、異構(gòu)圖神經(jīng)網(wǎng)絡(luò)。本書(shū)中的實(shí)例是在PyTorch框架上完成的，具有

本書(shū)從基礎(chǔ)知識(shí)開(kāi)始，介紹深度學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)相關(guān)的一系列技術(shù)與實(shí)現(xiàn)方法，主要內(nèi)容包括PyTorch的使用、神經(jīng)網(wǎng)絡(luò)的原理、神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)模型、圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)模型。書(shū)中側(cè)重講述與深度學(xué)習(xí)基礎(chǔ)相關(guān)的網(wǎng)絡(luò)模型和算法思想，以及圖神經(jīng)網(wǎng)絡(luò)的原理，且針對(duì)這些知識(shí)點(diǎn)給出在PyTorch框架上的實(shí)現(xiàn)代碼。 本書(shū)適合想學(xué)習(xí)圖神經(jīng)網(wǎng)絡(luò)

全書(shū)分三部分，第1部分（1~3章）介紹了人工智能·機(jī)器學(xué)習(xí)·深度學(xué)習(xí)的基礎(chǔ)知識(shí)，Pthon編程及其常用庫(kù)的使用方法；第2部分（4~5章）通過(guò)16個(gè)實(shí)操案例帶領(lǐng)讀者玩轉(zhuǎn)機(jī)器學(xué)習(xí)，其中涉及TensorFlow，Keras，PTorch，Chainer和scikit-learn等具有代表性的開(kāi)發(fā)框架，讀者可以學(xué)習(xí)到這些框架的

本書(shū)的編寫(xiě)立足于高職教育人才培養(yǎng)目標(biāo)和教學(xué)改革的實(shí)際需求,嚴(yán)格遵循“實(shí)用為主、夠用為度、應(yīng)用為目的”的基本原則。選材內(nèi)容既符合高職學(xué)生的特點(diǎn),又能夠突出人工智能的通識(shí)性、前瞻性、和實(shí)用性。全書(shū)共分九個(gè)單元,包含人工智能基本概念、發(fā)展歷史、核心技術(shù)、主要產(chǎn)品、常見(jiàn)產(chǎn)品說(shuō)明書(shū)、發(fā)展趨勢(shì)及其在相關(guān)行業(yè)的應(yīng)用等內(nèi)容,涉及智慧生