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，與人腦相比，人工智能缺乏直覺推理能力和基于認知地圖的思維能力。 本書從以上問題出發(fā)，全面調(diào)研現(xiàn)有的相關(guān)理論、算法和技術(shù)，并針對性地從三個主要層面形成理論性的建議和思考，這三個層面即人機混合增強智能的基礎(chǔ)理論、人機混合增強智能的在線演化與動態(tài)自適應(yīng)以

本書是一本圍繞最優(yōu)控制理論展開的實用指南，以深入淺出的方式介紹了最優(yōu)控制理論、動態(tài)規(guī)劃、線性二次型調(diào)節(jié)器（LQR）、模型預(yù)測控制（MPC）和卡爾曼濾波器以及它們之間的聯(lián)系，并展示了它們在綜合應(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，同時將這些概念有機地應(yīng)用于實際控制問題。通過書中豐富的例子和詳細的

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，為讀者提供一個整體的描述；通過對多個代表性方法的介紹，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是一個用于機器學(xué)習(xí)的端到端的開源平臺,它擁有一個由工具、庫和社區(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最先進的機器學(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)動的應(yīng)用程序。

本書基于真實數(shù)據(jù)集，全面系統(tǒng)地闡述現(xiàn)代計算機視覺實用技術(shù)、方法和實踐，涵蓋50多個計算機視覺問題。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，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ChatGPT的相關(guān)知識進行詳細的講解。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個方面對ChatGPT進行了解讀，幫助用戶全面了解ChatGPT，對其形成完整的認知。第6-12章從傳媒、教育、娛樂、電商、金融、制造和醫(yī)療7個方面講解了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TensorFlow、深度神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)優(yōu)化問題、全連接神經(jīng)網(wǎng)絡(luò)的經(jīng)典實戰(zhàn)、認識卷積神經(jīng)網(wǎng)絡(luò)、經(jīng)典CNN實戰(zhàn)系列、循環(huán)神經(jīng)網(wǎng)絡(luò)、對抗神經(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)，詳細講解Keras的原理，力求幫助讀者實現(xiàn)Keras從入門到精通。全書共9章，主要內(nèi)容包括初識深度學(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、生成式對抗網(wǎng)絡(luò)、模型評估

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)省工作時間，提高辦公效率。本書作者團隊較早開始將AI工具應(yīng)用于實際工作，積累了豐富的使用經(jīng)驗，因此為沒有太多技術(shù)基礎(chǔ)的職場人士創(chuàng)作了這本實操指南。 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)鍵就是無監(jiān)督學(xué)習(xí)，而不需要標(biāo)簽來訓(xùn)練模型，最簡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)合起來去構(gòu)建可以量化周邊環(huán)境不確定性的強大的AI系統(tǒng)。這種AI系統(tǒng)可以從生成的角度來理解周邊世界。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。