機器學(xué)習(xí)就是希望機器能夠模擬人類學(xué)習(xí)的過程，使機器在沒有明確人工指導(dǎo)的情況下通過分析數(shù)據(jù)不斷獲得經(jīng)驗和知識，再調(diào)整自身行為進行自我學(xué)習(xí)，從而改善性能。因此，機器學(xué)習(xí)融合了人工智能、信息科學(xué)、計算機科學(xué)、以及類腦科學(xué)的相關(guān)領(lǐng)域知識，被廣泛應(yīng)用于國防安全、智能制造、智慧醫(yī)療、智慧城市、以及數(shù)字娛樂等。本書共包含9章內(nèi)容，第

本書重點圍繞眾智科學(xué)智能理論與計算方法展開介紹，主要內(nèi)容包括眾智的定義和建模、眾智的分析與計算方法、單個智能體和多個智能體的智能進化方法、眾智水平分析方法，以及眾智科學(xué)智能理論在典型場景的應(yīng)用。

本書內(nèi)容包括人工智能概述、人工智能通用技術(shù)（計算機視覺、智能語音、自然語言處理等）、人工智能典型應(yīng)用場景與職業(yè)發(fā)展、機器學(xué)習(xí)與深度學(xué)習(xí)、人工智能法律與倫理，并圍繞迎賓機器人的典型應(yīng)用開發(fā)了相關(guān)項目。在內(nèi)容的選取上，本書突出人工智能主流技術(shù)和典型案例，覆蓋了目前市場上最常見的人工智能技術(shù)及應(yīng)用。編者仔細研究了國內(nèi)15家國

在人工智能飛速發(fā)展的今天，如何幫助企業(yè)應(yīng)用人工智能來提升競爭力，如何防范在應(yīng)用人工智能時可能帶來的風(fēng)險，成為人類必須面對且亟須解決的問題。本書探討了人工智能的局限性以及人工智能所帶來的機會，研究了人類和機器可以互相補充配合的領(lǐng)域，提出了一個面向企業(yè)層面的“1+1＞2”的智能體：人機共融體（Humachine）。人機共融

本書首先介紹深度強化學(xué)習(xí)的基礎(chǔ)知識以及TensorFlow2.x的**主要版本。隨后介紹OpenAIGym、基于模型的RL和無模型的RL，并學(xué)習(xí)如何開發(fā)基本代理。深入介紹發(fā)現(xiàn)如何實施高級深度強化學(xué)習(xí)算法，例如行動者批評、深度確定性策略梯度、深度Q網(wǎng)絡(luò)、近端策略優(yōu)化以及深度循環(huán)Q網(wǎng)絡(luò)，以訓(xùn)練RL代理。同時，本書通過構(gòu)建用

本書是基于Python以及飛槳（PaddlePaddle）深度學(xué)習(xí)框架的實踐性機器學(xué)習(xí)入門教程，內(nèi)容涵蓋Python基礎(chǔ)語法、機器學(xué)習(xí)常用算法以及在計算機視覺和自然語言處理等經(jīng)典領(lǐng)域的詳細案例解析。本書語言簡潔易懂，注重實踐與理論相結(jié)合，旨在幫助讀者掌握機器學(xué)習(xí)的核心概念和技能。通過閱讀本書，讀者可以快速了解機器學(xué)習(xí)各

控制系統(tǒng)原理及相近課程是高等學(xué)校工科學(xué)生的核心課程之一。這是本書第十四版的中譯本，主要內(nèi)容包括控制系統(tǒng)導(dǎo)論、系統(tǒng)數(shù)學(xué)模型、狀態(tài)空間模型、反饋控制系統(tǒng)的特性、反饋控制系統(tǒng)的性能、線性反饋系統(tǒng)的穩(wěn)定性、根軌跡法、頻率響應(yīng)法、頻域穩(wěn)定性、反饋控制系統(tǒng)設(shè)計、狀態(tài)變量反饋系統(tǒng)設(shè)計、魯棒控制系統(tǒng)、數(shù)字控制系統(tǒng)等。 本書的例子和習(xí)題

本書旨在探討AIGC（ArtificialIntelligenceGeneratedContent）的發(fā)展歷程、應(yīng)用范圍及其對社會和個人的影響，從而幫助讀者深入了解并應(yīng)用人工智能技術(shù)。 本書共分為8章。第1章介紹了ChatGPT和AIGC的發(fā)展歷史，以及核心技術(shù)的演進與應(yīng)用。第2章詳細探討了ChatGPT的特點、功能，

人工智能（AI），尤其是生成式語言模型和生成式人工智能（AIGC）模型，正以驚人的速度改變著我們的世界。駕馭這股潮流的關(guān)鍵，莫過于探究自然語言處理（NLP）技術(shù)的深奧秘境。本書將帶領(lǐng)讀者踏上一段扣人心弦的探索之旅，讓其親身感受，并動手搭建語言模型。本書主要內(nèi)容包括N-Gram，詞袋模型（BoW），Word2Vec（W2

ChatGPT作為人工智能領(lǐng)域的一大進步，引起了熱議，其強大功能的背后離不開大模型的支持。大模型指的是參數(shù)規(guī)模超過千萬的機器學(xué)習(xí)模型，主要應(yīng)用于語音識別、計算機視覺等領(lǐng)域。本書聚焦大模型，對大模型的技術(shù)場景和商業(yè)應(yīng)用展開詳細敘述。本書主要從典型應(yīng)用ChatGPT入手，探尋其背后支撐大模型的魅力。首先，本書對大模型的基礎(chǔ)