人工智能發(fā)展迅猛，但在不確定性和脆弱性環(huán)境下的應(yīng)用仍存在較大困難。同時(shí)，與人腦相比，人工智能缺乏直覺(jué)推理能力和基于認(rèn)知地圖的思維能力。 本書從以上問(wèn)題出發(fā)，全面調(diào)研現(xiàn)有的相關(guān)理論、算法和技術(shù)，并針對(duì)性地從三個(gè)主要層面形成理論性的建議和思考，這三個(gè)層面即人機(jī)混合增強(qiáng)智能的基礎(chǔ)理論、人機(jī)混合增強(qiáng)智能的在線演化與動(dòng)態(tài)自適應(yīng)以

本書是一本圍繞最優(yōu)控制理論展開的實(shí)用指南，以深入淺出的方式介紹了最優(yōu)控制理論、動(dòng)態(tài)規(guī)劃、線性二次型調(diào)節(jié)器（LQR）、模型預(yù)測(cè)控制（MPC）和卡爾曼濾波器以及它們之間的聯(lián)系，并展示了它們?cè)诰C合應(yīng)用中的使用方法與技巧。本書旨在為讀者提供全面而直觀的學(xué)習(xí)資源，同時(shí)將這些概念有機(jī)地應(yīng)用于實(shí)際控制問(wèn)題。通過(guò)書中豐富的例子和詳細(xì)的

本書全面地介紹了網(wǎng)絡(luò)表示學(xué)習(xí)的基本概念、模型和應(yīng)用。本書從網(wǎng)絡(luò)嵌入的背景和興起開始介紹，為讀者提供一個(gè)整體的描述；通過(guò)對(duì)多個(gè)代表性方法的介紹，闡述了網(wǎng)絡(luò)嵌入技術(shù)的發(fā)展和基于矩陣分解的統(tǒng)一網(wǎng)絡(luò)嵌入框架；提出了結(jié)合附加信息的網(wǎng)絡(luò)嵌入方法——結(jié)合圖中節(jié)點(diǎn)屬性/內(nèi)容/標(biāo)簽的網(wǎng)絡(luò)嵌入；面向不同特性圖結(jié)構(gòu)的網(wǎng)絡(luò)嵌入方法——面向具有

由谷歌開發(fā)的TensorFlow2.x是一個(gè)用于機(jī)器學(xué)習(xí)的端到端的開源平臺(tái),它擁有一個(gè)由工具、庫(kù)和社區(qū)資源組成的、全面的、靈活的生態(tài)系統(tǒng),可以讓研究人員推動(dòng)最先進(jìn)的機(jī)器學(xué)習(xí)(ML)的發(fā)展,讓開發(fā)人員輕松地構(gòu)建和部署由ML驅(qū)動(dòng)的應(yīng)用程序。

本書基于真實(shí)數(shù)據(jù)集，全面系統(tǒng)地闡述現(xiàn)代計(jì)算機(jī)視覺(jué)實(shí)用技術(shù)、方法和實(shí)踐，涵蓋50多個(gè)計(jì)算機(jī)視覺(jué)問(wèn)題。全書分為四部分：di一部分（第1~3章）介紹神經(jīng)網(wǎng)絡(luò)和PyTorch的基礎(chǔ)知識(shí)，以及如何使用PyTorch構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，包括輸入數(shù)據(jù)縮放、批歸一化、超參數(shù)調(diào)整等；第二部分（第4~10章）介紹如何使用卷積神經(jīng)網(wǎng)絡(luò)、遷移

本書以ChatGPT為中心，對(duì)ChatGPT的相關(guān)知識(shí)進(jìn)行詳細(xì)的講解。本書共12章，前5章從ChatGPT概述、技術(shù)底座、內(nèi)容變革、產(chǎn)業(yè)格局、商業(yè)展望5個(gè)方面對(duì)ChatGPT進(jìn)行了解讀，幫助用戶全面了解ChatGPT，對(duì)其形成完整的認(rèn)知。第6-12章從傳媒、教育、娛樂(lè)、電商、金融、制造和醫(yī)療7個(gè)方面講解了ChatGPT

本書共10章，涵蓋的主要內(nèi)容有深度學(xué)習(xí)探索、安裝TensorF1ow、初識(shí)TensorFlow、深度神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)優(yōu)化問(wèn)題、全連接神經(jīng)網(wǎng)絡(luò)的經(jīng)典實(shí)戰(zhàn)、認(rèn)識(shí)卷積神經(jīng)網(wǎng)絡(luò)、經(jīng)典CNN實(shí)戰(zhàn)系列、循環(huán)神經(jīng)網(wǎng)絡(luò)、對(duì)抗神經(jīng)網(wǎng)絡(luò)。

本書基于當(dāng)前流行的深度學(xué)習(xí)框架之一——Keras，從新手的角度出發(fā)，詳細(xì)講解Keras的原理，力求幫助讀者實(shí)現(xiàn)Keras從入門到精通。全書共9章，主要內(nèi)容包括初識(shí)深度學(xué)習(xí)、深度學(xué)習(xí)的數(shù)據(jù)預(yù)處理技術(shù)、使用Keras開發(fā)深度學(xué)習(xí)模型、卷積神經(jīng)網(wǎng)絡(luò)及圖像分類、循環(huán)神經(jīng)網(wǎng)絡(luò)在文本序列中的應(yīng)用、自編碼器、生成式對(duì)抗網(wǎng)絡(luò)、模型評(píng)估

在以ChatGPT為代表的大模型掀起AIGC（人工智能生成內(nèi)容）應(yīng)用熱潮之后，各行各業(yè)都希望深入了解流行的AI工具，將其引入日常工作，以節(jié)省工作時(shí)間，提高辦公效率。本書作者團(tuán)隊(duì)較早開始將AI工具應(yīng)用于實(shí)際工作，積累了豐富的使用經(jīng)驗(yàn)，因此為沒(méi)有太多技術(shù)基礎(chǔ)的職場(chǎng)人士創(chuàng)作了這本實(shí)操指南。 本書分為三篇，上篇是基礎(chǔ)篇，介紹

構(gòu)建通用人工智能的關(guān)鍵就是無(wú)監(jiān)督學(xué)習(xí)，而不需要標(biāo)簽來(lái)訓(xùn)練模型，最簡(jiǎn)單的方法就是使用深度生成模型。本書主要講述如何將概率建模和深度學(xué)習(xí)結(jié)合起來(lái)去構(gòu)建可以量化周邊環(huán)境不確定性的強(qiáng)大的AI系統(tǒng)。這種AI系統(tǒng)可以從生成的角度來(lái)理解周邊世界。本書涵蓋了深度生成模型的多種類型，包括自回歸模型、流模型、隱變量模型、基于能量的模型等。