機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的顯著進(jìn)步為新的機(jī)遇和一些黑暗的可能性打開了大門，本書作者以樂觀的現(xiàn)實(shí)主義者的視角，向我們展示了人工智能如何用于增強(qiáng)和改善人類生活。本書討論了人工智能的含義和優(yōu)點(diǎn)，并探討了與之相關(guān)的全球經(jīng)濟(jì)影響、背后的驅(qū)動(dòng)力以及在公司中實(shí)施人工智能的最佳方式等主題。同時(shí)，書中還詳細(xì)探討了未來人工智能的應(yīng)用領(lǐng)域，并

本教材系統(tǒng)地論述了人工智能的經(jīng)典理論及人工智能主要研究領(lǐng)域的基礎(chǔ)知識(shí)與應(yīng)用場(chǎng)景，目標(biāo)是用通俗易懂的方法幫助讀者構(gòu)建完整的人工智能知識(shí)體系，為后續(xù)的深入學(xué)習(xí)打下基礎(chǔ)。本教材通過講解人工智能在諸多領(lǐng)域的經(jīng)典應(yīng)用案例，幫助讀者更好地了解人工智能技術(shù)的發(fā)展和日常生活的關(guān)切度，以及未來人工智能的發(fā)展趨勢(shì)及面臨的挑戰(zhàn)。本教材內(nèi)容采

本書講述了緒論、時(shí)標(biāo)上的加權(quán)偽概周期函數(shù)與動(dòng)力方程的加權(quán)偽概周期解、時(shí)標(biāo)上神經(jīng)網(wǎng)絡(luò)的加權(quán)偽概周期解的存在性與穩(wěn)定性等內(nèi)容。

本書提到三個(gè)循環(huán)：第一個(gè)循環(huán)也是最核心的循環(huán)，即世代沿襲的人類本能。人類天生具有偏見，而且更傾向于使用大腦的系統(tǒng)1行事，在這個(gè)過程中，人類原有的偏見進(jìn)一步被強(qiáng)化，形成第一個(gè)循環(huán)。第二個(gè)循環(huán)是來自現(xiàn)代的力量，如消費(fèi)類技術(shù)、資本主義、營(yíng)銷和政治，它們對(duì)核心循環(huán)的人類行為進(jìn)行采樣，總結(jié)出模式，再將這些模式反作用于人類，最終引

自主無人系統(tǒng)及應(yīng)用中的問題

機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)

本書以PyTorch作為深度學(xué)習(xí)框架，主要包括4部分。第1部分（第1、2章），主要概述PyTorch基礎(chǔ)知識(shí)與常見深度學(xué)習(xí)算法實(shí)現(xiàn)，例如，CNN、LSTM，即CNN-LSTM；第2部分（第3～5章）高級(jí)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，主要包括常見的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，例如CNN、RNN及最新的Transformer等模型；第3部分（第6～

閱讀本書需要具備一定的Python語言編程基礎(chǔ)知識(shí)。編者充分調(diào)研了行業(yè)、企業(yè)對(duì)人才技術(shù)技能的需求，將教學(xué)過程和企業(yè)深度學(xué)習(xí)模型的訓(xùn)練與部署、人工智能應(yīng)用開發(fā)等生產(chǎn)過程銜接，與企業(yè)一線工程人員共同研究學(xué)生需要掌握的職業(yè)理論知識(shí)和技能，同時(shí)參照人工智能深度學(xué)習(xí)工程應(yīng)用職業(yè)技能等級(jí)證書要求，將證書和崗位需求充分融入本書。本書

智能問答技術(shù)在自然語言處理和人工智能領(lǐng)域發(fā)揮著重要的作用。它將信息檢索、知識(shí)表示和自然語言處理技術(shù)融合在一起，為智能推薦、網(wǎng)絡(luò)客服等任務(wù)提供了杰出的支持。本書共分為11章，分為3個(gè)部分。第1部分主要介紹知識(shí)庫的構(gòu)建，包括現(xiàn)有的知識(shí)庫構(gòu)建技術(shù)、基礎(chǔ)知識(shí)、數(shù)據(jù)采集技術(shù)、數(shù)據(jù)轉(zhuǎn)換儲(chǔ)存和查詢流程、異構(gòu)數(shù)據(jù)源實(shí)體對(duì)齊和面向知識(shí)圖

圖可以被用于表示各類對(duì)象之間的關(guān)系，而圖神經(jīng)網(wǎng)絡(luò)是指專門用于處理圖數(shù)據(jù)的深度學(xué)習(xí)模型，可實(shí)現(xiàn)對(duì)圖數(shù)據(jù)的建模和推斷。本書系統(tǒng)地介紹了圖神經(jīng)網(wǎng)絡(luò)的基本原理、常用模型和應(yīng)用領(lǐng)域等。首先介紹了兩類最基本的圖神經(jīng)網(wǎng)絡(luò)方法GCN和GraphSAGE，并給出了圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)、評(píng)價(jià)方法；然后對(duì)圖神經(jīng)網(wǎng)絡(luò)中常用的模型結(jié)構(gòu)進(jìn)行了深入