本書(shū)為人工智能概論等基礎(chǔ)類(lèi)課程的配套實(shí)驗(yàn)教材。全書(shū)共包含12個(gè)實(shí)驗(yàn)，分為三篇：人工智能前篇(包含圖像編輯與處理、視頻編輯與處理、熟悉常用網(wǎng)絡(luò)命令功能及使用、流程圖與結(jié)構(gòu)化框圖設(shè)計(jì)4個(gè)實(shí)驗(yàn))、人工智能應(yīng)用篇(包含機(jī)器學(xué)習(xí)算法應(yīng)用與實(shí)現(xiàn)、云服務(wù)配置與應(yīng)用、大模型在線繪圖3個(gè)實(shí)驗(yàn))和人工智能信息篇(包括Windows操作系統(tǒng)

本書(shū)基于現(xiàn)代人工智能科學(xué)技術(shù)的最新發(fā)展，深入淺出地介紹了人工智能的相關(guān)概念、基礎(chǔ)技術(shù)和應(yīng)用技術(shù)，重點(diǎn)介紹了人工智能的應(yīng)用領(lǐng)域和前沿技術(shù)；還精心介紹了人工智能的開(kāi)發(fā)框架與開(kāi)放平臺(tái)、支撐技術(shù)與硬件設(shè)施，可供讀者拓展閱讀。每章都有與之對(duì)應(yīng)的章節(jié)習(xí)題，供讀者學(xué)習(xí)，以強(qiáng)化其解決問(wèn)題的能力。 本書(shū)致力于推動(dòng)人工智能的普及教育，強(qiáng)調(diào)

本書(shū)系統(tǒng)梳理了人工智能的發(fā)展歷史、基礎(chǔ)理論、核心技術(shù)與前沿應(yīng)用。全書(shū)共9章,從人工智能的起源與發(fā)展脈絡(luò)講起,逐步展開(kāi)對(duì)現(xiàn)代人工智能技術(shù)的系統(tǒng)闡述,涵蓋了神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、Transformer網(wǎng)絡(luò)、生成式學(xué)習(xí)網(wǎng)絡(luò)以及以GPT為代表的大規(guī)模預(yù)訓(xùn)練模型等關(guān)鍵技術(shù)。各章不僅詳細(xì)講解了相關(guān)技術(shù)的

傳統(tǒng)的控制圖多數(shù)是在已知過(guò)程分布的假設(shè)下構(gòu)建的，這種控制圖被稱(chēng)為參數(shù)控制圖。然而，在實(shí)際應(yīng)用中，大多數(shù)過(guò)程因?yàn)槠鋽?shù)據(jù)的復(fù)雜性導(dǎo)致它們的精確分布往往難以確定。當(dāng)預(yù)先指定的參數(shù)分布無(wú)效時(shí)，參數(shù)控制圖的結(jié)果將不再可靠。為了解決這個(gè)問(wèn)題，通�？紤]非參數(shù)或穩(wěn)健的控制圖。非參數(shù)控制圖在監(jiān)測(cè)各種非正態(tài)和復(fù)雜過(guò)程中非常有效。近年來(lái)對(duì)非

機(jī)器學(xué)習(xí)是一門(mén)多領(lǐng)域交叉學(xué)科，涵蓋概率論知識(shí)、統(tǒng)計(jì)學(xué)知識(shí)、近似理論知識(shí)和復(fù)雜算法知識(shí)，使用計(jì)算機(jī)作為工具，致力于真實(shí)實(shí)時(shí)地模擬人類(lèi)學(xué)習(xí)方式，并將現(xiàn)有內(nèi)容進(jìn)行知識(shí)結(jié)構(gòu)劃分來(lái)有效提高機(jī)器學(xué)習(xí)效率。本書(shū)共分為七章：第一章，機(jī)器學(xué)習(xí)概述，介紹了機(jī)器學(xué)習(xí)的特點(diǎn)、分類(lèi)以及應(yīng)用；第二章，線性回歸，包括線性回歸模型的建立、學(xué)習(xí)策略的確

全書(shū)分為七部分：深度學(xué)習(xí)與深度置信網(wǎng)絡(luò)研究現(xiàn)狀、深度置信網(wǎng)絡(luò)參數(shù)自適應(yīng)學(xué)習(xí)、自組織深度置信網(wǎng)絡(luò)、增量式深度置信網(wǎng)絡(luò)、生成式對(duì)抗性深度置信網(wǎng)絡(luò)、事件驅(qū)動(dòng)的深度置信網(wǎng)，以及事件驅(qū)動(dòng)的深度置信網(wǎng)絡(luò)預(yù)測(cè)控制。每一部分均在工業(yè)過(guò)程優(yōu)化運(yùn)行中有相應(yīng)實(shí)驗(yàn)測(cè)試與應(yīng)用實(shí)踐。從理論方法到應(yīng)用實(shí)踐，書(shū)中的內(nèi)容從基礎(chǔ)概念到最新進(jìn)展均有涵蓋，使

本書(shū)重點(diǎn)針對(duì)應(yīng)用層的ChatGPT開(kāi)發(fā)核心技術(shù)進(jìn)行介紹，著重于案例分析和最佳實(shí)踐的講解。全書(shū)共16章，包括ChatGPT端到端語(yǔ)音聊天機(jī)器人項(xiàng)目實(shí)戰(zhàn)、ChatGPT應(yīng)用開(kāi)發(fā)的三大核心內(nèi)幕及典型案例、ChatGPT底層架構(gòu)Transformer技術(shù)及源碼實(shí)現(xiàn)、GPT內(nèi)幕機(jī)制及源碼實(shí)現(xiàn)逐行解析、GPT-2源碼實(shí)現(xiàn)及GPT-

本書(shū)的主要內(nèi)容為連續(xù)學(xué)習(xí)的理論和應(yīng)用的一些關(guān)鍵技術(shù)方法，其創(chuàng)新點(diǎn)包括：(1)提出一種跨時(shí)序任務(wù)的感知目標(biāo)函數(shù)；(2)提出一種代表性重演樣本挑選算法；(3)提出一種基于元學(xué)習(xí)的訓(xùn)練樣本影響的計(jì)算方法；(4)提出一種基于非對(duì)稱(chēng)的梯度度量與最大差異優(yōu)化算法；(5)提出一種基于增廣圖網(wǎng)絡(luò)的連續(xù)多標(biāo)簽分類(lèi)算法；(6)提出一種基于

多模態(tài)深度學(xué)習(xí)是一種研究視覺(jué)、語(yǔ)言、音頻等多種模態(tài)數(shù)據(jù)之間關(guān)聯(lián)性的技術(shù)。本書(shū)是一本探討多模態(tài)深度學(xué)習(xí)領(lǐng)域最新進(jìn)展和應(yīng)用的專(zhuān)業(yè)書(shū)籍，綜合了最新的研究進(jìn)展和實(shí)際應(yīng)用案例，涵蓋了多個(gè)關(guān)鍵領(lǐng)域，包括多模態(tài)語(yǔ)音識(shí)別、多模態(tài)虛假新聞的檢測(cè)與處理、視頻文本跨模態(tài)檢索等，為讀者展現(xiàn)了一個(gè)全面了解多模態(tài)深度學(xué)習(xí)領(lǐng)域發(fā)展前沿的窗口，為學(xué)術(shù)

本書(shū)全面探討了機(jī)器學(xué)習(xí)中的**化理論、方法與實(shí)踐，特別是在人工智能顛覆性發(fā)展的背景下，包括但不限于監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、深度學(xué)習(xí)及強(qiáng)化學(xué)習(xí)等的應(yīng)用。本書(shū)詳細(xì)介紹了**性條件、KKT條件、拉格朗日對(duì)偶等核心**化理論，探討了梯度下降法、鄰近梯度法、牛頓法、擬牛頓方法（BFGS方法）、塊坐標(biāo)下降法、隨機(jī)梯度類(lèi)方法、增廣拉格