本書主要講解人工智能的技術(shù)發(fā)展和行業(yè)現(xiàn)狀,旨在幫助讀者掌握進入人工智能行業(yè)工作的知識和方法。 本書首先介紹人工智能的技術(shù)概況、人工智能對人們的生活和工作的影響,以及人工智能的三大技術(shù)--機器學習、深度學習和大數(shù)據(jù)的基本原理與應用。其次,本書介紹人工智能從業(yè)者所需要的專業(yè)技術(shù),并提供相應的學習方法。接著,本書介紹人工智能
隨著人工智能技術(shù)的廣泛應用,網(wǎng)絡智能化近年來受到廣泛的關(guān)注,已經(jīng)成為下一代移動通信與未來網(wǎng)絡的重要技術(shù)。阿爾法圍棋(AlphaGo)之后,深度強化學習不斷推陳出新,為網(wǎng)絡中的決策問題提供了有效的潛在解決方案。本書系統(tǒng)介紹了網(wǎng)絡智能化中深度強化學習的基本理論、算法及應用場景。全書共8章,針對互聯(lián)網(wǎng)、移動通信網(wǎng)、邊緣網(wǎng)絡、
本書先介紹深度強化學習的基礎(chǔ)知識及相關(guān)算法,然后給出多個實戰(zhàn)項目,以期讓讀者可以根據(jù)環(huán)境的直接反饋對智能體加以調(diào)整和改進,提升運用深度強化學習技術(shù)解決實際問題的能力。本書涵蓋深度Q網(wǎng)絡、策略梯度法、演員-評論家算法、進化算法、Dist-DQN、多智能體強化學習、可解釋性強化學習等內(nèi)容。本書給出的實戰(zhàn)項目緊跟深度強化學習
本書主要介紹經(jīng)典的機器學習算法的原理和改進,以及Python的實例實現(xiàn)。本書的內(nèi)容可以分成三部分:第一部分是機器學習概念篇(第1章),充分介紹機器學習的相關(guān)概念,并且對機器學習的各種算法進行分類,以便讀者對機器學習的知識框架有整體的了解,從而在后續(xù)的學習中更容易接受機器學習涉及的各類算法;第二部分是Python機器學習
本書共五章:概率推理、生成模型、強化學習、機器人、自動駕駛。內(nèi)容包括:概率與統(tǒng)計、聲場模型的創(chuàng)造力、強化學習與游戲、形形色色的機器人、自動駕駛概覽等。
本書主要研究了狀態(tài)相關(guān)的脈沖對(切換)神經(jīng)網(wǎng)絡穩(wěn)定性的影響,以及利用脈沖免疫(脈沖解毒)怎么控制網(wǎng)絡病毒的傳播,是作者近年來的研究成果。 本書首先介紹了狀態(tài)相關(guān)的脈沖(切換)系統(tǒng)、神經(jīng)網(wǎng)絡模型、計算機病毒傳播模型,然后運用B-equivalence方法、Lyapunov函數(shù)和一些分析技巧研究了幾類狀態(tài)相關(guān)的脈沖(切換
原著作者馬克·科克伯格是維也納大學哲學系哲學教授。譯叢主編杜嚴勇,男,1976年生,科學史博士,上海交通大學馬克思主義學院教授、博士生導師,國家社科基金重大項目“人工智能倫理風險防范研究”首席專家,主要研究方向為人工智能倫理。本書為人工智能倫理譯叢叢書之一。本書描述了有影響力的人工智能故事,從弗蘭肯斯坦的怪物到超人文主
該著作作者VirginiaDignum,女,烏得勒支大學計算機科學博士,優(yōu)密歐大學計算機科學系教授。主要研究方向為負責任的人工智能和人際合作的設(shè)計與評價。譯叢主編杜嚴勇,男,1976年生,科學史博士,上海交通大學馬克思主義學院教授、博士生導師,國家社科基金重大項目“人工智能倫理風險防范研究”首席專家,主要研究方向為人工
本書共8章,主要分為三大部分:知識表達方法、知識挖掘方法和知識融合方法。知識表達重點面向邏輯結(jié)構(gòu)形式、業(yè)務流程和語義向量三個方面開展表達方法研究;知識挖掘主要研究模糊知識挖掘和知識遷移方法;知識融合則分別對采用傳統(tǒng)證據(jù)理論和較為新穎的圖論方法進行知識融合開展研究。
"知識工程是人工智能的重要分支領(lǐng)域。本書圍繞知識工程技術(shù)及其應用,對領(lǐng)域本體、時間本體與時間信息抽取、實體識別、實體關(guān)系獲取、實體屬性知識獲取、描述流抽取以及知識評估進行了詳細的論述。全書共分八章,沿著從知識表示到知識抽取、知識評估這一主線逐步展開,圍繞相關(guān)應用,由淺入深,闡明相關(guān)概念和核心方法,為知識工程領(lǐng)域的從業(yè)人