全書介紹了人工智能芯片相關(guān)的基礎(chǔ)領(lǐng)域知識，分析了人工智能處理面臨的挑戰(zhàn)，由此引出全書的重點：人工智能芯片的架構(gòu)設(shè)計、數(shù)據(jù)復(fù)用、網(wǎng)絡(luò)映射、存儲優(yōu)化以及軟硬件協(xié)同設(shè)計技術(shù)等領(lǐng)域前沿技術(shù)，書中還討論了當(dāng)前研究成果，并輔以實驗數(shù)據(jù)進行比較分析，最后展望了人工智能芯片技術(shù)的發(fā)展方向。

智能的概念和內(nèi)容很多，其核心思想是模擬人或其他生物的神經(jīng)系統(tǒng)，實現(xiàn)各種運算和操作過程，尤其是人的智能操作�！禕R》本書由四部分組成，第一部分是概論，討論智能計算的類型、特征、發(fā)展過程和應(yīng)用問題，并介紹和其他學(xué)科的關(guān)系問題。這些學(xué)科主要是生命科學(xué)、信息科學(xué)等。第二部分是算法篇，介紹智能計算中多種不同類型的算法，詳細(xì)介紹它

本書分四部分介紹深度學(xué)習(xí)算法模型及相關(guān)應(yīng)用實例。第一部分介紹在深度學(xué)習(xí)中必備的一些數(shù)學(xué)和機器學(xué)習(xí)的基礎(chǔ)知識。第二部分介紹卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強化網(wǎng)絡(luò)等經(jīng)典模型，并對每種模型從原理、結(jié)構(gòu)、優(yōu)化等方面進行論述。第三部分介紹深度學(xué)習(xí)中常用的優(yōu)化方法及訓(xùn)練技巧。第四部分結(jié)合實踐來介紹深度學(xué)習(xí)在計算機視覺、模式識別中

隨著人工智能技術(shù)在各行業(yè)的應(yīng)用蓬勃發(fā)展，其已滲透社會及人們?nèi)粘Ｉ�活的方方面面，且在圖像分類、目標(biāo)識別、自然語言處理等領(lǐng)域顯示了良好的效果和前景。但是，人工智能及其分支技術(shù)有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴(yán)重的后果。本書通過介紹針對圖像分類的對抗技術(shù)，描述了深度神經(jīng)網(wǎng)

作為一個崛起中的新興力量，人工智能不僅僅是一種技術(shù)，它的發(fā)展除了在科學(xué)和產(chǎn)業(yè)發(fā)展領(lǐng)域產(chǎn)生影響之外，還將對現(xiàn)行人類的社會規(guī)范、生活模式產(chǎn)生非常深遠的影響。隨著第三次人工智能潮的到來，人們對人工智能及其未來的發(fā)展充滿強烈的興趣和諸多的疑問——什么是人工智能？人工智能對人類生活會有哪些深遠影響？我們又能通過人工智能實現(xiàn)什么樣

粒計算是目前人工智能領(lǐng)域內(nèi)廣為關(guān)注的研究課題，本書旨在為初學(xué)者提供學(xué)習(xí)粒計算理論與方法的基本指導(dǎo)。模糊集、粗糙集和概念格是粒計算的三種主要的方法，本書把這三種方法有機地結(jié)合成為一個粒計算的基本理論框架，主要包括：1）模糊集理論，2）粗糙集理論，3）概念格理論。

《從統(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》敘述了從數(shù)學(xué)到統(tǒng)計、從統(tǒng)計到人工智能的發(fā)展，結(jié)合大量的實際商業(yè)應(yīng)用案例介紹了諸多經(jīng)典的機器學(xué)習(xí)算法，比如LASSO回歸、MCMC、決策樹、隨機森林和神經(jīng)網(wǎng)絡(luò)等�！稄慕y(tǒng)計世界走向人工智能——實戰(zhàn)案例與算法》將案例與算法結(jié)合，基于人工智能的場景，從理論到實際操作層層遞進，讀者從中

本書從區(qū)塊鏈的四個核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識機制和智能合約技術(shù)入手，重點介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識機制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權(quán)益證明），DPoS（股份授權(quán)證明），Ripple共識，PBFT（實用拜占庭容錯）和PoV（投票證明）等，并具體分析了每個算

機器學(xué)習(xí)是一門涉及高等數(shù)學(xué)、線性代數(shù)、概率論、統(tǒng)計學(xué)和運籌學(xué)等領(lǐng)域的交叉學(xué)科。機器學(xué)習(xí)的基礎(chǔ)就是數(shù)學(xué)，這也就要求學(xué)習(xí)者要有良好的數(shù)學(xué)基礎(chǔ)。為了降低機器學(xué)習(xí)的學(xué)習(xí)門檻，本書深入淺出地對機器學(xué)習(xí)算法的數(shù)學(xué)原理進行了嚴(yán)謹(jǐn)?shù)耐茖?dǎo)；并利用Python3對各種機器學(xué)習(xí)算法進行復(fù)現(xiàn)，還利用介紹的算法在相應(yīng)數(shù)據(jù)集上進行實戰(zhàn)。本書主要內(nèi)

本書通過分析最優(yōu)化理論和算法與機器學(xué)習(xí)的關(guān)系：最優(yōu)化理論和算法促進了機器學(xué)習(xí)的發(fā)展，同時機器學(xué)習(xí)對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機器學(xué)習(xí)的求解方法，此類方法通過一些學(xué)習(xí)方法，結(jié)合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機器學(xué)習(xí)理論方法。 本書共分為六章，