本書以簡明的方式系統(tǒng)地論述了人工智能的基礎知識及其拓展和應用。全書共十六章，前十章介紹人工智能學科的基礎知識，包括人工智能的發(fā)展歷史、知識的表示、搜索策略、確定性推理、不確定推理、專家系統(tǒng)、神經(jīng)網(wǎng)絡、智能計算、機器學習和模式識別；接下來五章進行了拓展，講述了表示學習和混合智能系統(tǒng)，又介紹了神經(jīng)網(wǎng)絡在模式識別和圖像處理的

本書對計算智能的諸多基礎理論進行了詳細介紹和釋義，還介紹了神經(jīng)網(wǎng)絡、模糊系統(tǒng)、進化計算的應用范例以及實驗結果，將理論與實踐緊密聯(lián)系。我們將本書分為四章。*章為緒論，對人工智能的萌芽、誕生和發(fā)展以及現(xiàn)狀和未來進行了簡要介紹。第二章為進化計算，首先論述了遺傳算法的特點、基本框架、優(yōu)勢以及五個關鍵問題。在此基礎上，對進化計算

人類創(chuàng)造了機器，機器也深入地參與著人類的生活。智能機器、人工智能更承載著人類對未來世界的美好期待和想象。 面對3～6歲的孩子，學習如何使用機器是生活必備技能，了解智能機器的發(fā)展歷程和原理則是孩子在人與智能機器共存的未來所需的基本科學素養(yǎng)之一。 本書從蒸汽時代的機器開始講起，生動呈現(xiàn)了200余年來機器的發(fā)展史，通過有

本書介紹終身學習這種高級機器學習范式，這種范式通過積累過去的知識持續(xù)地學習，并將學到的知識用于幫助在未來進行其他學習和解決問題。相比之下，當前主流的機器學習范式都是孤立學習，即給定一個訓練數(shù)據(jù)集，之后在這個數(shù)據(jù)集上運行機器學習算法以生成模型，然后再將該模型運用于預期的應用。這些范式不保留已經(jīng)學到的知識，也不將其運用到后

《機器學習及其應用》比較系統(tǒng)地介紹機器學習的基礎理論與應用技術。首先，介紹掌握機器學習理論和方法所必須具備的基礎知識，包括機器學習的基本概念與發(fā)展歷程、模型構造與優(yōu)化的基本方法；然后，介紹和討論監(jiān)督學習、無監(jiān)督學習、集成學習、強化學習等傳統(tǒng)機器學習理論與方法；在詳細探討神經(jīng)網(wǎng)絡與深度學習基本理論的基礎上，介紹深度卷積網(wǎng)

本書以程序員所熟悉的代碼方式帶領程序員們進入深度學習的世界。所有的理論都有對應的可運行的代碼進行說明。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習的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學習框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術形勢。同時還介

本書包括《探索與爭鳴》雜志自2017年第10期至2018年第7期已發(fā)表的與人工智能相關文章共26篇，內(nèi)容包括從人工智能本質(zhì)看未來的發(fā)展、控制的危機與人工智能的未來情境、人工智能與未來社會：三個反思、人工智能技術下對真理和生命的可解釋性、人工智能對認知、思維和行為方式的改變、人工智能：威脅人類文明的科技之火、科技創(chuàng)造必須

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

本書旨在討論人工智能領域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領域取得的一系列研究進展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術，比如意識上傳、飛米技術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落地，在生物學領域進