《人工智能導論第2版》系統(tǒng)地闡述了人工智能的基本理論、基本技術、研究方法和應用領域，全面地反映了人工智能研究領域的發(fā)展，并根據(jù)人工智能的發(fā)展動向對一些傳統(tǒng)內容做了取舍，如詳細介紹了機器學習方面的內容�！度斯ぶ悄軐д摰�2版》共分為8章，內容涉及人工智能的基本概念、知識工程、確定性推理和不確定性推理、搜索與優(yōu)化策略、機器學

人工智能已經上升到了國家戰(zhàn)略層面的高度。面對人工智能發(fā)展的浪潮與需求高等教育應主動變革，圍繞國家人工智能出臺的規(guī)劃和政策，加快促進人工智能技術人才培養(yǎng)。本書以優(yōu)化知識結構、培養(yǎng)10項能力為出發(fā)點，以實施素質教育、培養(yǎng)學生具有新一代人工智能應用意識為目標，以培養(yǎng)學生創(chuàng)新精神、創(chuàng)業(yè)能力為重點，以企業(yè)人才需求構建新的知識體系

本書從全新的視角詮釋了機器學習的基本模型和算法，重點討論了當前的兩項研究熱點——神經網絡和核方法。全書緊緊圍繞從環(huán)境約束中學習的概念，將符號知識庫作為約束集合，通過采用多值邏輯形式的思想，實現(xiàn)了約束方法與機器學習的深度融合。特別是對深度學習的講解，很好地呈現(xiàn)了本書中所遵循的基于約束的方法。此外，本書還提供不同難度等級的

本書由機器學習安全領域的學者撰寫，針對存在安全威脅的對抗性環(huán)境，討論如何構建健壯的機器學習系統(tǒng)，全面涵蓋所涉及的理論和工具。全書分為四部分，分別討論對抗機器學習的基本概念、誘發(fā)型攻擊、探索性攻擊和未來發(fā)展方向。書中介紹了當前*實用的工具，你將學會利用它們來監(jiān)測系統(tǒng)安全狀態(tài)并進行數(shù)據(jù)分析，從而設計出有效的對策來應對新的網

本書以理論和實踐相結合的形式深入淺出地介紹強化學習的歷史、基本概念、經典算法和一些前沿技術，共分為三大部分：第壹部分（1～5章）介紹強化學習的發(fā)展歷史、強化學習的基本概念以及一些經典的強化學習算法；第二部分（6～9章）在簡要回顧深度學習技術的基礎上著重介紹深度強化學習的一些前沿實用算法；第三部分（*后一章）以五子棋為例

本書從基礎知識入手，詳細講解通過強化學習和深度學習構建AI系統(tǒng)所需的一切，并通過5個完整的項目實例，循序漸進展示如何使用*佳、*簡單的AI編程工具（包括Python、TensorFlow、Keras和PyTorch）構建智能軟件。具體內容包括AI工具包、Python基礎、AI基礎技巧、你的第一個AI模型、銷售和廣告中的

本書重點研究機器學習的數(shù)學理論。第壹部分探討了在非凸優(yōu)化問題中，選擇梯度下降步長來避免嚴格鞍點的*優(yōu)性和自適應性。在第二部分中，作者提出了在非凸優(yōu)化中尋找局部極小值的算法，并利用牛頓第二定律在一定程度上得到無摩擦的全局極小值。第三部分研究了含有噪聲和缺失數(shù)據(jù)的子空間聚類問題，這是一個由隨機高斯噪聲的實際應用數(shù)據(jù)和/或含

本書是關于遷移學習的基礎、方法、技術和應用的一本書。內容分成兩個部分：第壹部分介紹了遷移學習的基礎。第二部分涵蓋了遷移學習的許多應用領域。遷移學習解決的是學習系統(tǒng)如何快速地適應新場景、新任務和新環(huán)境。其研究涉及科學和工程的許多領域，包括人工智能、算法理論、概率和統(tǒng)計等。本書是一本供經驗豐富的機器學習研究人員和應用程序開

本書深入講解神經網絡和深度學習技術，側重于闡釋深度學習的核心概念。作者以技術原理為導向，輔以貫穿全書的MNIST手寫數(shù)字識別項目示例，介紹神經網絡架構、反向傳播算法、過擬合解決方案、卷積神經網絡等內容，以及如何利用這些知識改進深度學習項目。學完本書后，讀者將能夠通過編寫Python代碼來解決復雜的模式識別問題。

本書以一名深度學習學習者的視角展開深度學習相關的理論、技術和實踐寫作，因而命名為深度學習筆記。本書作為一本以“筆記”命名的深度學習圖書，主要定位是面向廣大希望入門深度學習的初學者。本書以深度神經網絡(DNN)、卷積神經網絡(CNN)和循環(huán)神經網絡(RNN)為核心，詳細介紹了深度學習的理論基礎、通用方法和三大網絡的原理與