本書旨在展示如何運(yùn)用機(jī)器學(xué)習(xí)算法解決現(xiàn)實(shí)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(shí)現(xiàn)數(shù)據(jù)管理;對機(jī)器學(xué)習(xí)的關(guān)鍵技術(shù)進(jìn)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(jìn)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(jī)遇、趨勢、問題和挑戰(zhàn);第2章著重于機(jī)器學(xué)習(xí)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(xué)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(jìn)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(yán)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(fēng)險(xiǎn)、治理與倫理問題。

本書主要內(nèi)容包括社會生活中的計(jì)算機(jī)及人類妥協(xié)危機(jī)、人工智能專業(yè)知識和寫作、語言和“修復(fù)”、人類如何學(xué)習(xí)計(jì)算機(jī)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(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)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(yīng)用中，真正做到理論和實(shí)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(xué)，感知、推理、學(xué)習(xí)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(xué)習(xí)的主流技術(shù)和背后的原理進(jìn)行了深入淺出的講解，解釋了什么是深度學(xué)習(xí)，深度學(xué)習(xí)流行的原因，以及深度學(xué)習(xí)與其他機(jī)器學(xué)習(xí)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(qiáng)化學(xué)習(xí)等熱門技術(shù)，學(xué)習(xí)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(xué)習(xí)的相關(guān)知識，且不涉及復(fù)雜的數(shù)學(xué)內(nèi)容。 本書分為上下兩冊。上冊著重介紹深度學(xué)習(xí)的基礎(chǔ)知識，旨在幫助讀者建立扎實(shí)的知識儲備，主要介紹隨機(jī)性與基礎(chǔ)統(tǒng)計(jì)學(xué)、訓(xùn)練與測試、過擬合與欠擬合、神經(jīng)元、學(xué)習(xí)與推理、數(shù)據(jù)準(zhǔn)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(jī)器學(xué)習(xí)庫，它主要由Meta（原Facebook）的人工智能研究實(shí)驗(yàn)室開發(fā)，在自然語言處理和計(jì)算機(jī)視覺領(lǐng)域都具有廣泛的應(yīng)用。本書介紹了簡單且經(jīng)典的入門項(xiàng)目，方便快速上手，如MNIST數(shù)字識別，讀者在完成項(xiàng)目的過程中可以了解數(shù)據(jù)集、模型和訓(xùn)練等基礎(chǔ)概念。本書還介紹了一些實(shí)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(jī)器學(xué)習(xí)、深度學(xué)習(xí)，并配合項(xiàng)目案例，重點(diǎn)介紹了基于貝葉斯理論的算法原理，及其在機(jī)器學(xué)習(xí)中的應(yīng)用。 本書分為10章，涵蓋了貝葉斯概率、概率估計(jì)、貝葉斯分類、隨機(jī)場、參數(shù)估計(jì)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、動態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學(xué)習(xí)等。本書涉及的應(yīng)用領(lǐng)域包含機(jī)器學(xué)習(xí)、圖

本書對幾類時滯隨機(jī)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(jìn)行了深入研究，其中包括：不確定隨機(jī)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(jī)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(jī)神經(jīng)網(wǎng)絡(luò)的均方穩(wěn)定性、不確定時滯隨機(jī)BAM神經(jīng)網(wǎng)絡(luò)的均方穩(wěn)定性、以及時滯隨機(jī)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(fù)雜對抗任務(wù)上取得戰(zhàn)勝人類頂尖選手的成績，這是以深度強(qiáng)化學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)技術(shù)在人機(jī)對抗領(lǐng)域取得的巨大進(jìn)展，也使得人們對兵棋人機(jī)對抗充滿期待。本書著重研究分隊(duì)指揮決策模型總體架構(gòu)、分隊(duì)?wèi)B(tài)勢感知建模、分隊(duì)?wèi)?zhàn)術(shù)決策建模等技術(shù)，并闡述人工智能分隊(duì)指揮員、人機(jī)對抗系