本書旨在展示如何運用機器學習算法解決現(xiàn)實世界中的行業(yè)問題,清晰地描述了如何通過工業(yè)物聯(lián)網(wǎng)架構(gòu)實現(xiàn)數(shù)據(jù)管理;對機器學習的關(guān)鍵技術(shù)進行了全面概述,并介紹了一些關(guān)鍵領(lǐng)域知識及如何改進算法來推動第四次工業(yè)革命的發(fā)展意義。本書內(nèi)容共分為七章。第1章介紹了第四次工業(yè)革命的現(xiàn)狀、機遇、趨勢、問題和挑戰(zhàn);第2章著重于機器學習的基礎(chǔ)知識

本書圍繞人工智能國際治理問題,匯編了跨學科、多領(lǐng)域的研究成果,集中探討了人工智能對國際關(guān)系的影響,以及人工智能全球合作的發(fā)展趨勢,并對不同國家的人工智能戰(zhàn)略進行了分析比較。同時,本書也探討了人工智能軍事化給國際安全帶來的嚴峻挑戰(zhàn),分析了人工智能國際安全治理路徑,并從不同角度審視人工智能技術(shù)相關(guān)的風險、治理與倫理問題。

本書主要內(nèi)容包括社會生活中的計算機及人類妥協(xié)危機、人工智能專業(yè)知識和寫作、語言和“修復”、人類如何學習計算機無法掌握的內(nèi)容、人工智能模式的兩類模型與未來發(fā)展方向等。

本書全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實踐，以統(tǒng)一的風格將當今流行的人工智能思想和術(shù)語融合到引起廣泛關(guān)注的應用中，真正做到理論和實踐相結(jié)合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學，感知、推理、學習和行動，公平、信任、

本書利用精美的插圖和有趣的類比，對深度學習的主流技術(shù)和背后的原理進行了深入淺出的講解，解釋了什么是深度學習，深度學習流行的原因，以及深度學習與其他機器學習方法的關(guān)系。閱讀本書，讀者可以掌握卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)和深度強化學習等熱門技術(shù)，學習TensorFlow、Keras和PyTorch等熱門工具的使

本書從基本概念和理論入手，通過近千張圖和簡單的例子由淺入深地講解深度學習的相關(guān)知識，且不涉及復雜的數(shù)學內(nèi)容。 本書分為上下兩冊。上冊著重介紹深度學習的基礎(chǔ)知識，旨在幫助讀者建立扎實的知識儲備，主要介紹隨機性與基礎(chǔ)統(tǒng)計學、訓練與測試、過擬合與欠擬合、神經(jīng)元、學習與推理、數(shù)據(jù)準備、分類器、集成算法、前饋網(wǎng)絡(luò)、激活函數(shù)、反向

PyTorch是基于Torch庫的開源機器學習庫，它主要由Meta（原Facebook）的人工智能研究實驗室開發(fā)，在自然語言處理和計算機視覺領(lǐng)域都具有廣泛的應用。本書介紹了簡單且經(jīng)典的入門項目，方便快速上手，如MNIST數(shù)字識別，讀者在完成項目的過程中可以了解數(shù)據(jù)集、模型和訓練等基礎(chǔ)概念。本書還介紹了一些實用且經(jīng)典的模

本書從貝葉斯理論的基本原理講起，逐步深入算法、機器學習、深度學習，并配合項目案例，重點介紹了基于貝葉斯理論的算法原理，及其在機器學習中的應用。 本書分為10章，涵蓋了貝葉斯概率、概率估計、貝葉斯分類、隨機場、參數(shù)估計、機器學習、深度學習、貝葉斯網(wǎng)絡(luò)、動態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學習等。本書涉及的應用領(lǐng)域包含機器學習、圖

本書對幾類時滯隨機神經(jīng)網(wǎng)絡(luò)的全局漸近穩(wěn)定性和全局魯棒穩(wěn)定性進行了深入研究，其中包括：不確定隨機神經(jīng)網(wǎng)絡(luò)與時滯區(qū)間相關(guān)的全局魯棒穩(wěn)定性條件、帶區(qū)間時變時滯的不確定隨機神經(jīng)網(wǎng)絡(luò)的全局魯棒穩(wěn)定性、具有區(qū)間時變時滯與分布時滯的不確定隨機神經(jīng)網(wǎng)絡(luò)的均方穩(wěn)定性、不確定時滯隨機BAM神經(jīng)網(wǎng)絡(luò)的均方穩(wěn)定性、以及時滯隨機中立神經(jīng)網(wǎng)絡(luò)的全

近年來，人工智能體相繼在圍棋、星際爭霸、王者榮耀、得州撲克等復雜對抗任務上取得戰(zhàn)勝人類頂尖選手的成績，這是以深度強化學習為代表的機器學習技術(shù)在人機對抗領(lǐng)域取得的巨大進展，也使得人們對兵棋人機對抗充滿期待。本書著重研究分隊指揮決策模型總體架構(gòu)、分隊態(tài)勢感知建模、分隊戰(zhàn)術(shù)決策建模等技術(shù)，并闡述人工智能分隊指揮員、人機對抗系