本書主要圍繞AI系統(tǒng)的理論基礎與技術基礎知識展開，結合實例進行介紹，旨在讓讀者了解AI系統(tǒng)的來龍去脈，形成對AI系統(tǒng)的系統(tǒng)化與層次化的初步理解，掌握AI系統(tǒng)基本理論、技術、實際應用及研究方向，為后續(xù)從事具體的學習研究工作和項目開發(fā)工作奠定基礎。本書首先介紹AI的歷史、現(xiàn)狀與發(fā)展及AI系統(tǒng)的基本知識，后分為AI硬件與體系

因素空間是信息、智能和數(shù)據(jù)科學的數(shù)學基礎理論。本書將介紹因素空間如何將智能生成的統(tǒng)一機制落實到各行各業(yè)，開展全民智能孵化的洛神工程。本書主要內容包括：介紹因素的范式特質和智能孵化洛神工程的內容；介紹因素空間對智能生成機制的落實細則；介紹因素顯隱的理論，將現(xiàn)有人工智能數(shù)學算法歸結到回歸和優(yōu)化兩大方面，突出支持向量機與因素

本書是一本全面介紹人工智能領域的專業(yè)教材。分為八章，人工智能概述、人工智能數(shù)學基礎、人工智能基礎模型、人工智能編程框架、視覺智能處理技術、語言智能處理技術、語音智能處理技術和人工智能的未來發(fā)展趨勢。首先介紹人工智能的相關基礎知識，包括人工智能相關概念、人工智能的數(shù)學基礎、人工智能的模型基礎以及相關編程基礎，然后分別介紹

教育信息化促進了教育測評理念的變革，人工智能時代的教育更加關注以智能技術驅動的學習者認知分析與個性化學習的訴求。本書遵循"理論-方法-應用"研究范式，探索人工智能時代的學習認知分析的新理論與新方法。

本書是作者對自2008年起系統(tǒng)分析"機器能否獲得認知發(fā)展能力"這一問題而不得不先訴諸于"人工智能基礎問題"或"認知哲學"方面的研究其結果的總結。本書立論開宗明義：將機器認知發(fā)展問題簡化為"物理機器的概念產生問題"。據(jù)此，作者遂建立起自己對"概念體系"的理論和對"心靈哲學"的基本觀念，之后使用符合哲學討論習慣的方式進行論

在這本書中，作者著力討論了幾種獲取機器學習和數(shù)據(jù)挖掘算法性能的相關知識的方法。作者展示了如何再次利用這些知識來選擇、組合、編撰和調整算法和模型，從而為數(shù)據(jù)挖掘提供更快、更有效的解決方案，幫助研究人員改進算法，并開發(fā)能夠自我改進的學習系統(tǒng)。本書的新版在舊版基礎上就內容做了非常大的擴充。作者介紹了最新的自動機器學習方法，闡

數(shù)系的擴充始終貫穿于數(shù)學理論的發(fā)展之中. 本書利用交互式定理證明工具Coq,在Morse-Kelley公理化集合論形式化系統(tǒng)下, 給出中國科學與技術大學汪芳庭教授在其《數(shù)學基礎》中采用算術超濾分數(shù)構造實數(shù)的機器證明系統(tǒng),包括超濾空間與算術超濾的基本概念、超濾變換以及用算術超濾構造算術模型的形式化實現(xiàn),構建了非標準實數(shù)模

本書主要包含以下內如：最優(yōu)化問題的簡介，凸分析基礎，無約束優(yōu)化的理論及線搜索算法框架，信賴域算法，線搜索收斂性分析及收斂速度分析，半光滑牛頓算法，共軛梯度算法，約束優(yōu)化理論及延伸理論，罰方法，增廣拉格朗日算法及算法在實際問題(支持向量機模型、超圖匹配)中的應用。本書對知識點的分析緊密結合當前研究前沿問題，并通過對應用問

圖像融合技術可將多源圖像的互補特征進行綜合，以得到更加完整和準確的場景描述，從而彌補單一傳感器單幅圖像的不足，是一種廣泛應用的圖像預處理技術，如多攝像頭拍照、微光夜視、醫(yī)學診斷、遙感等應用領域。本書以多源圖像融合技術為主要內容，在研究圖像尺度分析、遷移學習、深度學習算法與模型的基礎上，針對多聚焦圖像融合、多模態(tài)醫(yī)學圖像

本書針對推薦系統(tǒng)中的二部圖、社交網絡和知識圖譜的圖結構模式，研究基于圖表示學習的深度推薦系統(tǒng)。通過挖掘圖信息中的隱性關系和高階關系，使用圖學習的方式探索用戶和產品的潛在關聯(lián)，彌補相關推薦系統(tǒng)研究在挖掘用戶之間或者產品之間隱性關系方面的不足，形成一系列合理而且有效的推薦技術。增加推薦系統(tǒng)輸入的多樣性，運用社交網絡和知識圖

人工智能（AI）已成為世界各地的熱門話題，因為它可以為人類帶來顯著的好處，以及可能隱藏在該技術中的感知和實際危險。在《人工智能風險·回報·未來》：中，KevinChen用清晰簡單的語言闡述了人工智能的許多方面，詳細介紹了人工智能如何給世界的運作方式帶來深刻的變化。人工智能正在交通、物流、醫(yī)學

數(shù)智平臺設計與用戶行為研究-認知神經科學視角

自主無人系統(tǒng)及應用中的問題

機器學習數(shù)學基礎

本書闡述了分布式人工智能原理及其應用，基本原理的主要內容包括的分布式人工智能的內涵、基本原理、計算框架等；研究了分布式人工智能學習與優(yōu)化、強化學習與演化計算、群智能體強化學習等前沿方法；給出了分布式信息融合、視覺感知、協(xié)同搜索、對抗博弈決策和智能博弈推演等典型應用，建立起了較為全面的知識體系與脈絡，為后續(xù)研究奠定了良好

《四元數(shù)神經網絡穩(wěn)定性理論及應用》旨在介紹四元數(shù)神經網絡穩(wěn)定性理論及應用的研究現(xiàn)狀、典型模型、常用研究方法.具體內容包括四元數(shù)神經網絡漸近穩(wěn)定性、四元數(shù)神經網絡魯棒穩(wěn)定性、四元數(shù)神經網絡μ-穩(wěn)定性及均方穩(wěn)定性、四元數(shù)神經網絡Mittag-Leffler穩(wěn)定性、四元數(shù)神經網絡Lagrange穩(wěn)定性及H-U穩(wěn)定性、四元數(shù)神

中國原創(chuàng)學科可拓學，用形式化的模型，研究事物拓展的可能性和開拓創(chuàng)新的規(guī)律與方法，并用于創(chuàng)新和處理矛盾問題.《可拓學（第二版）》系統(tǒng)地闡述了可拓學的基本理論——可拓論、基本方法——可拓創(chuàng)新方法及其在各領域的應用——可拓工程，并給出可拓工程方法的應用案例.《可拓學（第二版）》理論與應用相結合，分析透徹，可操作性強.讀者可以

本書介紹了文心一言的操作技巧和提示詞，列舉了文本、文案方案、個人IP內容、個人學習成長和個人生活助手等多個領域的輔助生成應用案例�！笆谌艘詽O，給人工具”“拿來即用，來即參”，本書旨在為讀者提供使用文心一言的工具方法、案例和技巧，幫助讀者十倍甚至百倍提升工作的創(chuàng)造力和生產力。

學科的范式(科學觀與方法論)是指導學科研究的**引領力量。然而作者發(fā)現(xiàn)：作為信息學科高級篇章的人工智能卻遵循著物質學科的范式，使人工智能的研究嚴重受限。因此，本書實施了人工智能的范式革命：總結了信息學科的范式，以此取代物質學科范式對人工智能研究的統(tǒng)領地位；在信息學科范式的引領下，構筑人工智能的全局模型，揭示普適性智能生

概念認知學習是人工智能、大數(shù)據(jù)領域關注的多學科交叉研究方向，涵蓋了哲學、數(shù)學、心理學、認知科學以及信息科學等領域．《概念認知學習理論與方法》旨在為廣大學者和科研工作者提供概念認知學習領域的基礎理論與學習方法．《概念認知學習理論與方法》主要內容包括概念認知學習的基本概念和基礎知識、概念認知系統(tǒng)的邏輯推理、概念認知的雙向學