本書深入探討了在網(wǎng)絡(luò)時代，專家系統(tǒng)在塑造社會信任方面的核心作用及其面臨的困境。本書選取公共衛(wèi)生事件作為研究的切入點(diǎn)，深入分析了專家系統(tǒng)對于風(fēng)險社會中群體決策和輿論引導(dǎo)的重要性。書中不僅揭示了影響專家系統(tǒng)社會信任的內(nèi)生和外生因素，而且詳細(xì)討論了當(dāng)這種信任失效風(fēng)險來臨時可能引發(fā)的多方面負(fù)面效應(yīng)，包括對媒體信任度、科學(xué)知識傳

本書討論人工智能的理論和方法,我們從它的基本原理出發(fā),由此構(gòu)建它的理論和方法體系.本書由四部分組成,第一部分概論和算法,介紹并討論了它們的類型、特征、運(yùn)算和應(yīng)用,重點(diǎn)討論它們的定位問題.第二部分是學(xué)科,這就是人工智能和其他學(xué)科的關(guān)系問題.這些學(xué)科是生命科學(xué)、信息科學(xué)等六大學(xué)科.第三部分是系統(tǒng)和應(yīng)用,其中典型的有圖像、數(shù)

本書建立人工智能的信息的科學(xué)原理。全書有五部分。第Ⅰ部分，人工智能總論，提出信息世界的科學(xué)概念，以信息為支點(diǎn)建立科學(xué)體系的理論；第Ⅱ部分，信息基本定律，建立了信息世界的基本定義和基本定律；第Ⅲ部分，信息的數(shù)學(xué)原理，建立了以信息演算理論（離散系統(tǒng)的微積分）、信息解碼原理和信息生成原理為三大支柱的信息科學(xué)體系的數(shù)學(xué)原理；第

隨著數(shù)據(jù)存儲技術(shù)、網(wǎng)絡(luò)技術(shù)和云計算技術(shù)的快速發(fā)展,數(shù)據(jù)正以前所未有的速度在不斷地增長和積累。在各種實(shí)際應(yīng)用中,需要處理的數(shù)據(jù)量越來越大。而樣例選擇就是從包括冗余或噪聲的海量數(shù)據(jù)中選擇重要數(shù)據(jù)的技術(shù),是機(jī)器學(xué)習(xí)的重要數(shù)據(jù)預(yù)處理步驟,對后續(xù)學(xué)習(xí)算法的訓(xùn)練及性能有很大的影響.在機(jī)器學(xué)習(xí)中,樣例選擇有兩種場景：一是主動學(xué)習(xí)場景

12大專題講解+31個溫馨提示＋70多個效果文件+208頁P(yáng)PT教學(xué)課件＋210多分鐘教學(xué)視頻＋280多張精美插圖，隨書還提供了200多個提示詞等資源，幫助讀者從入門到精通，快速掌握ChatGPT4的操作技巧。全書共分為5篇，具體內(nèi)容如下： AI提示篇介紹了ChatGPT4的基本操作，以及優(yōu)化AI提示讓回答更加精準(zhǔn)等內(nèi)

本書是一本專為編程愛好者和專業(yè)人士設(shè)計的實(shí)用指南。全書共分為十個章節(jié)，系統(tǒng)地介紹了人工智能在編程領(lǐng)域的應(yīng)用，特別是AI輔助編程工具如何簡化編程學(xué)習(xí)過程和提升編程能力。第一章從AI輔助編程工具的基本概念入手，為讀者揭開AI編程的神秘面紗。隨后，書中深入探討了GitHubCopilot等前沿工具，這些工具能夠通過智能代碼補(bǔ)

本書系基于中國工程院重大咨詢研究項目“中國人工智能2.0發(fā)展戰(zhàn)略研究（第二期）”撰寫而成，匯集了十余位院士以及上百位專家的智慧和心血。本書在一期項目的基礎(chǔ)上，更加著眼于通用人工智能重大理論問題研究，系統(tǒng)地梳理了人工智能最新基礎(chǔ)研究進(jìn)展和應(yīng)用情況，從大數(shù)據(jù)智能、群體智能、跨媒體智能、混合增強(qiáng)智能、自主無人系統(tǒng)等五個智能方

本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡(luò)在表情識別任務(wù)中的突破性應(yīng)用。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比，四元數(shù)神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜情感信息時展現(xiàn)出了更強(qiáng)特征分析能力和更低計算量的雙重優(yōu)勢。書中內(nèi)容主要展現(xiàn)這一前沿技術(shù)在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識別任務(wù)中顯著提升精度與效率。本書所有的內(nèi)容都充分結(jié)合理論分析與實(shí)證研

本書將最優(yōu)控制方法融入機(jī)器學(xué)習(xí)的研究中，創(chuàng)新地建立了一個基于最優(yōu)反饋控制在線學(xué)習(xí)框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問題的魯棒自適應(yīng)學(xué)習(xí)算法;構(gòu)建了基于最優(yōu)控制的魯棒在線學(xué)習(xí)架構(gòu)，分別討論該架構(gòu)下的線性回歸、二分類和多分類問題，并且將線性問題的架構(gòu)拓展到非線性回歸與分類問題；提出了基于控制的深

密態(tài)深度學(xué)習(xí)可以在不解密加密數(shù)據(jù)的前提下對授權(quán)用戶提供深度學(xué)習(xí)服務(wù)，并可防止非授權(quán)用戶對授權(quán)用戶的數(shù)據(jù)進(jìn)行竊取與利用。該技術(shù)突破了密態(tài)數(shù)據(jù)無法在非可信環(huán)境下被有效利用的技術(shù)瓶頸，實(shí)現(xiàn)了安全學(xué)習(xí)，萬物互聯(lián)。本書從大數(shù)據(jù)、人工智能面臨的隱私挑戰(zhàn)出發(fā)，以密態(tài)深度學(xué)習(xí)理論框架與技術(shù)方法研究為主線，從理論模型到實(shí)際應(yīng)用，系統(tǒng)闡述