本書是《動手學深度學習》的重磅升級版本，選用PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。 本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出基礎的神經(jīng)網(wǎng)絡——多層感知機

本書本著培養(yǎng)高職學生的人工智能基本素養(yǎng)、人工智能思維和人工智能應用實踐能力的目標，內(nèi)容選取符合高職學生的特點，強調(diào)人工智能的通識性、典型性和實用性，具有可操作性。本書選取了涵蓋人工智能領域的多個典型案例，采用項目化模式構建教學案例，突出實踐。每個案例由循序漸進的遞進式任務組成，支持課堂分層次教學實施。全書共分7章，主要

本書從圖劃分的視角系統(tǒng)介紹基于圖論的機器學習方法，包括機器學習中的三類基本學習問題：無監(jiān)督、半監(jiān)督和監(jiān)督學習問題，同時考慮協(xié)同正則化、多重正則化和路徑傳播對基于圖論的學習方法進行了拓展。通過大量的實驗驗證，本書提供的方法合理有效，算法效率顯著提高。

本書主要利用魯棒控制理論和隨機系統(tǒng)理論研究了噪聲環(huán)境下多智能體系統(tǒng)的協(xié)同控制問題。具體包括噪聲環(huán)境下異構多智能體系統(tǒng)的一致性，持續(xù)干擾下多智能體系統(tǒng)的一致性，噪聲環(huán)境下多智能體系統(tǒng)的旋轉運動和對抗編隊控制，最后簡要介紹了噪聲環(huán)境下分數(shù)階多智能體系統(tǒng)的一致性。

本套書包含：《深度學習從基礎到實踐(上、下冊)》《圖神經(jīng)網(wǎng)絡》。

本書著重從方法論角度對基于知識圖譜的可解釋人工智能的相關研究進行分類梳理，并挑選了智能推薦、問答對話、關系推理等三個具有代表性的人工智能任務，在每個任務下遴選出近年來有具有里程碑意義的典型研究成果，詳細介紹基于知識圖譜的可解釋人工智能的理論模型和應用情況。本書既涵蓋了大量經(jīng)典算法，又引入了近年來在該領域研究中涌現(xiàn)出的新

本書在歸納分析國內(nèi)外關于多智能體系統(tǒng)分布式優(yōu)化控制算法的基礎上，研究了針對外部干擾、系統(tǒng)未建模動態(tài)、系統(tǒng)狀態(tài)受限、固定時間內(nèi)系統(tǒng)穩(wěn)定等具體需求的高階非線性多智能體系統(tǒng)的分布式控制器設計。主要內(nèi)容包括：設計基于神經(jīng)網(wǎng)絡的自適應控制算法，利用神經(jīng)網(wǎng)絡的萬能逼近能力對系統(tǒng)內(nèi)的未建模動態(tài)進行估計，并通過設計神經(jīng)網(wǎng)絡自適應律和自

本書全面詳盡地介紹了人工智能從誕生開始以來將如何塑造我們的世界和社會。通過色彩豐富、有趣的插圖，和通讀易懂的文字，生動地介紹了人工智能的方方面面。清晰地介紹了人工智能的起源、歷史、應用情況、技術局限和未來展望，并通過一些簡單、實用的科普知識，以生活場景作為切入點，以真實發(fā)生的事例作為例證，介紹了“圖靈測試”“中國房間”

本書以工作場景和具體任務來驅動，包括53個場景展示、85項任務模擬、237次提問示范，讓完全不懂技術的小白，也能成為ChatGPT工具使用方面的行家。

本書是一本全面介紹機器學習方法特別是算法的新書,適合初學者和有一定基礎的讀者。機器學習可以分成三大類別,監(jiān)督式學習、非監(jiān)督式學習和強化學習。三大類別背后的算法也各有不同。監(jiān)督式學習使用了數(shù)學分析中函數(shù)逼近方法、概率統(tǒng)計中的極大似然方法。非監(jiān)督式學習使用了聚類和貝葉斯算法。強化學習使用了馬爾可夫決策過程算法。機器學習背后