本書主要講解了圖像和文本在計算機中的表達(dá)和計算方法、神經(jīng)網(wǎng)絡(luò)的基本原理，并以圈叉棋為例講解了計算機在圖像分類問題上挑戰(zhàn)人類的卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，以單詞拼寫為例講解了處理文本和語音的循環(huán)神經(jīng)網(wǎng)絡(luò)技術(shù)。讀者只需要具備基礎(chǔ)的加減乘除計算能力，就可以不借助計算機而掌握書中的所有技術(shù)和原理，并嘗試實現(xiàn)書中的所有實例�？梢哉f，這本書

本書是一本面向青少年的人工智能科普讀本。本書從科普和青少年教育的角度，用淺顯易懂和活潑有趣的語言，結(jié)合大量漫畫圖片、情景對話、感知實驗、探索實例，介紹人工智能會“學(xué)習(xí)”、會“看”、會“聽說”等方面的技術(shù)和應(yīng)用，并討論人工智能倫理和展望人工智能未來。本書培養(yǎng)學(xué)生對人工智能及新科技的認(rèn)知，引導(dǎo)學(xué)生對人工智能領(lǐng)域產(chǎn)生興趣，提

神經(jīng)網(wǎng)絡(luò)在深度學(xué)習(xí)和人工智能中發(fā)揮著非常重要的作用，其應(yīng)用領(lǐng)域非常廣泛，涵蓋從醫(yī)療診斷、財務(wù)預(yù)測到機器診斷等多個領(lǐng)域。《神經(jīng)網(wǎng)絡(luò)設(shè)計與實現(xiàn)》旨在指導(dǎo)你以實用的方式學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。書中將簡要介紹感知器網(wǎng)絡(luò)，從而幫助你入門。然后，你將獲得有關(guān)機器學(xué)習(xí)的見解，并了解人工智能的未來。接下來，你將研究如何使用嵌入來處理文本數(shù)據(jù)，并

本書從人工智能的基本定義出發(fā)，由淺入深地闡述了人工智能的理論、策略、研究方法和應(yīng)用領(lǐng)域，以梳理知識脈絡(luò)和要點的方式，詳細(xì)介紹了知識表示、邏輯推理及方法、非確定性推理及方法、搜索策略、機器學(xué)習(xí)等方面的內(nèi)容。作為導(dǎo)論書籍，本書概念論述清楚，內(nèi)容豐富，通俗易懂，在較為全面介紹人工智能的基礎(chǔ)上對一些傳統(tǒng)內(nèi)容進行了取舍。為滿足讀

《TensorFlow2實戰(zhàn)》首先講解深度學(xué)習(xí)和TensorFlow2的基礎(chǔ)知識，然后通過圖像處理和自然語言處理兩方面的實例，幫助讀者進一步掌握深度學(xué)習(xí)的應(yīng)用，最后通過對生成對抗網(wǎng)絡(luò)和強化學(xué)習(xí)知識的講解，帶領(lǐng)讀者精通深度學(xué)習(xí)。 《TensorFlow2實戰(zhàn)》適合想要學(xué)習(xí)和了解人工智能、深度學(xué)習(xí)技術(shù)的程序員閱讀，也可作為

零基礎(chǔ)讀者應(yīng)如何快速入門機器學(xué)習(xí)？數(shù)學(xué)基礎(chǔ)薄弱的讀者應(yīng)如何理解機器學(xué)習(xí)中的數(shù)學(xué)原理？這些正是本書要解決的問題。本書從數(shù)學(xué)基礎(chǔ)知識入手，通過前3章的介紹，幫助讀者輕松復(fù)習(xí)機器學(xué)習(xí)涉及的數(shù)學(xué)知識；然后，通過第4-第13章的介紹，逐步講解機器學(xué)習(xí)常見算法的相關(guān)知識，幫助讀者快速入門機器學(xué)習(xí)；最后，通過第14章的綜合實踐，幫助

《人工智能導(dǎo)論》為大連理工大學(xué)“新工科”系列精品教材。本書內(nèi)容包括緒論、知識表示、確定性推理、不確定性推理、搜索求解策略、遺傳算法及其應(yīng)用、群智能算法及其應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用、機器學(xué)習(xí)、專家系統(tǒng)、自然語言理解及其應(yīng)用等。本書可供電子信息類專業(yè)本、專科學(xué)生作為教材使用，也可供從事人工智能領(lǐng)域的技術(shù)人員參考。

人工智能的迅猛發(fā)展，對整個人類、社會和時代的進步起到了不可估量的作用。然而，人工智能的未來奇點在哪兒？人工智能是否具有人類意識？人工智能會導(dǎo)致人類大規(guī)模失業(yè)嗎？會替代人類嗎？本書以通俗易懂的語言，圖文并茂的方式不僅描繪了人工智能發(fā)展的歷史、現(xiàn)狀與未來，而且探討了人工智能發(fā)展可能對經(jīng)濟、政治、軍事、法律等方面的影響，其中

本書由校企“雙元”共同開發(fā)，以人工智能應(yīng)用開發(fā)的學(xué)習(xí)與認(rèn)知過程為主線，以實踐為主導(dǎo)，將理論知識與實踐應(yīng)用有機結(jié)合，將人工智能的應(yīng)用開發(fā)的過程分為數(shù)據(jù)、人工、智能和系統(tǒng)化四個層級和十二個步驟。十二個步驟包括：數(shù)據(jù)采集、數(shù)據(jù)整理、數(shù)據(jù)分析、數(shù)據(jù)標(biāo)注、特征提取、模型創(chuàng)建、模型訓(xùn)練、模型測試、集成AI模型生成智能系統(tǒng)、系統(tǒng)測試

深度強化學(xué)習(xí)結(jié)合深度學(xué)習(xí)與強化學(xué)習(xí)算法各自的優(yōu)勢解決復(fù)雜的決策任務(wù)。得益于DeepMindAlphaGo和OpenAIFive成功的案例，深度強化學(xué)習(xí)受到大量的關(guān)注，相關(guān)技術(shù)廣泛應(yīng)用于不同的領(lǐng)域。本書分為三大部分，覆蓋深度強化學(xué)習(xí)的全部內(nèi)容。第一部分介紹深度學(xué)習(xí)和強化學(xué)習(xí)的入門知識、一些非常基礎(chǔ)的深度強化學(xué)習(xí)算法及其實