阿爾法狗接連打敗李世石、柯潔，無人駕駛汽車從科幻慢慢變?yōu)楝F(xiàn)實，人工智能正在全世界如火如荼地“跑馬圈地”。我們正在被一個的以智能技術為核心驅動力的新型社會裹挾著前行。 隨著智能時代的來臨，每個企業(yè)和個人都在經(jīng)受著的挑戰(zhàn)，但挑戰(zhàn)與機遇并存，我們要積極探索，緊跟前沿，才能在這波智能化浪潮中不致被淘汰。 本書通過豐富鮮活的

TensorFlow是谷歌2015年開源的主流深度學習框架，目前已得到廣泛應用。本書為TensorFlow入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學習。書中省略了煩瑣的數(shù)學模型推導，從實際應用問題出發(fā)，通過具體的TensorFlow示例介紹如何使用深度學習解決實際問題。書中包含深度學習的

本書以MATLABR2016a為平臺，通過專業(yè)技術與大量典型實例相結合，介紹了各種典型網(wǎng)絡的訓練過程和實際應用。全書共27個案例，從實用角度出發(fā)，詳盡地講述感知器網(wǎng)絡、線性神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡及自組織神經(jīng)網(wǎng)絡等內容，擴展介紹神經(jīng)網(wǎng)絡在其他工程領域的實際應用。本書可作為科研人員及工程技術人

本書全面地介紹了人工智能的主要理論、技術和方法，主要包括：搜索策略、確定性推理、不確定性推理、專家系統(tǒng)、機器學習、自然語言理解和遺傳算法。本書著重展現(xiàn)人工智能技術的基礎方法和理論，同時引入了人工智能技術在機器人領域的研究應用實例，為讀者知識進階作鋪墊。 本書內容豐富，深入淺出，通俗易懂，以基礎理論為主，兼顧實用技術，

粒計算是當前人工智能研究領域中模擬人類思維和解決復雜問題的新理論與新方法，它涵蓋了所有有關粒度的理論、方法和技術，是研究大規(guī)模復雜問題求解、大數(shù)據(jù)分析與挖掘、不確定性智能信息處理的有力工具。經(jīng)過十多年的發(fā)展，在與多學科交叉研究過程中，粒計算正逐步形成其特有的研究體系和內容。本書介紹了粒計算的不確定性分析與知識獲取方法的

書從多維數(shù)組Tensor開始，循序漸進地帶領讀者了解PyTorch各方面的基礎知識，并結合基礎知識和前沿研究，帶領讀者從零開始完成幾個經(jīng)典有趣的深度學習小目，包括GAN生成動漫頭像、AI濾鏡、AI寫詩等。本書沒有簡單機械地介紹各個函數(shù)接口的使用，而是嘗試分門別類、循序漸進地向讀者介紹PyTorch的知識，希望讀者對Py

本書由TensorLayer創(chuàng)始人領銜，TensorLayer主要開發(fā)團隊傾力打造而成。內容不僅覆蓋了人工神經(jīng)網(wǎng)絡的基本知識，如多層感知器、卷積網(wǎng)絡、遞歸網(wǎng)絡及增強學習等，還著重講解了深度學習的一些新的技術，如生成對抗網(wǎng)絡、學習方法和實踐經(jīng)驗，配有許多應用及產(chǎn)品的實例。讀者可從零開始掌握深度學習技術，以及使用Tenso

《深入淺出強化學習：原理入門》用通俗易懂的語言深入淺出地介紹了強化學習的基本原理，覆蓋了傳統(tǒng)的強化學習基本方法和當前炙手可熱的深度強化學習方法。開篇從*基本的馬爾科夫決策過程入手，將強化學習問題納入到嚴謹?shù)臄?shù)學框架中，接著闡述了解決此類問題*基本的方法動態(tài)規(guī)劃方法，并從中總結出解決強化學習問題的基本思路：交互迭代策略評

本書系統(tǒng)總結了集對分析在人工智能理論和技術研究的階段性成果，共12章。第1、2章為集對分析基本概念、基本理論和**進展的介紹，第3章是人工智能基礎和前沿集對分析，第4～12章依次介紹集對分析在模式識別、不確定性推理、智能決策、知識生態(tài)學、自然語言和人類語言理解、專家系統(tǒng)、神經(jīng)網(wǎng)絡、智能工程和智能社會中的應用。本書內容豐

內容簡介 面對科技的迅猛發(fā)展，我國政府制定了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升到國家戰(zhàn)略層面，并提出：人工智能產(chǎn)業(yè)要成為新的重要經(jīng)濟增長點，而且要在2030年成為世界主要人工智能創(chuàng)新中心，為躋身創(chuàng)新型國家前列和經(jīng)濟強國奠定重要基礎。 《人工智能》一書由騰訊一流團隊與工信部高端智庫傾

TensorFlow是近年來影響較大的神經(jīng)網(wǎng)絡和深度學習平臺，《零起點TensorFlow快速入門》以生動活潑的語言，從入門者的角度，對TensorFlow進行介紹，書中包含大量簡單風趣的實際案例，如孤獨的神經(jīng)元、梵高畫風等，讓廣大初學者快速掌握神經(jīng)網(wǎng)絡的基本編程，為進一步學習人工智能奠定扎實的基礎。

深度學習如今已經(jīng)成為了科技領域*炙手可熱的技術，在本書中，我們將幫助你入門深度學習的領域。本書將從人工智能的介紹入手，了解機器學習和深度學習的基礎理論，并學習如何用PyTorch框架對模型進行搭建。通過閱讀本書，你將會學習到機器學習中的線性回歸和logistic回歸，深度學習的優(yōu)化方法，多層全連接神經(jīng)網(wǎng)絡，卷積神經(jīng)網(wǎng)絡

正在到來的第四次工業(yè)革命，是繼機械化、電氣化及信息化之后的一次大規(guī)模的智能化浪潮，將對人類生產(chǎn)、生活方式產(chǎn)生革命性的影響。本書以時間為主線，采用歷史案例未來趨勢解讀的形式，全面介紹第四次工業(yè)革命涉及的各個技術領域發(fā)展趨勢，包括時下*熱門的人工智能、無人駕駛、VR/AR、工業(yè)4.0、共享經(jīng)濟等；深入講解人類科技發(fā)展歷史的

本書討論了正在如火如荼進行著的人工智能革命對人類工作方式和工作觀念的巨大影響。作者認為不同于以往的歷次失業(yè)浪潮，這次人工智能造成的技術性失業(yè)對人類文化和文明進程的影響將是深刻的，甚至是顛覆性的。同時，作者也探討了機器紅利對人口紅利的替代作用，并指出盡管如此，人仍然還是有人的用處，人類將與機器共存共榮，創(chuàng)造一種全新的經(jīng)濟

大數(shù)據(jù)時代的機器學習和數(shù)據(jù)挖掘技術的作用日漸重要，受到了廣泛的關注。本書立足于工程應用，將免疫智能計算方法引入機器學習領域，致力于研究基于生物免疫原理的機器學習軟計算方法，以免疫計算智能的基本原理為線索，對其研究狀況加以系統(tǒng)性的論述，從理論、算法構建及工程應用等方面對免疫機器學習進行介紹和分析。針對關聯(lián)規(guī)則挖掘、數(shù)據(jù)分

機器學習需要一條脫離過高理論門檻的入門之路。本書《機器學習篇》從小紅帽采蘑菇的故事開篇，介紹了基礎的機器學習分類模型的訓練（第1章）。如何評估、調試模型？如何合理地發(fā)掘事物的特征？如何利用幾個模型共同發(fā)揮作用？后續(xù)章節(jié)一步一步講述了如何優(yōu)化模型，更好地完成分類預測任務（第2章），并且初步嘗試將這些技術運用到金融股票交易

本書內容包括：知識重構與抽象模型框架及其擴展概述；業(yè)務流程模型與抽象相關概念；KRA模型框架的智能世界擴展；業(yè)務流程的一般抽象模型框架；基于聚類技術的業(yè)務流程模型抽象。

本書以一位軟件工程師的轉型故事為線索，講述算法思維的建立及實踐。第1章主要講解如何從傳統(tǒng)的工程思維轉入算法思維，第2-5章分別闡述文本處理、視覺識別、Bot機器人、強化學習方向的算法實踐，第6章案例闡述預測與推薦的應用。

《徑向基函數(shù)神經(jīng)網(wǎng)絡及協(xié)同進化學習》系統(tǒng)地介紹利用協(xié)同進化理論優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡學習的基本理論與方法，共分為7個章節(jié)。**，提出基于合作型協(xié)同進化的徑向基函數(shù)神經(jīng)網(wǎng)絡算法，引入聚類層并以聚類后的隱節(jié)點群作為子種群進行協(xié)同進化操作。第二，提出基于協(xié)同覆蓋的徑向基函數(shù)神經(jīng)網(wǎng)絡算法，并采用啟發(fā)式搜索改進網(wǎng)絡結構。第三，提

科學計算可視化（ScientificVisualization，SciVis）是計算機圖形學的一個重要研究方向，是圖形科學的新領域。隨著計算能力的不斷增強，科學數(shù)據(jù)中使用的物理模型以及模擬空間的大小都在不斷提高。本書嘗試性地將機器學習理論應用于科學計算可視化中，大大提高了數(shù)據(jù)中特征識別的魯棒性和準確率，同時結合流場數(shù)據(jù)