深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經網絡基礎，包括機器學習問題、淺層機器學習、早期神經網絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網絡、循環(huán)和遞歸網絡、表示學

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經網絡基礎，包括機器學習問題、淺層機器學習、早期神經網絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網絡、循環(huán)和遞歸網絡、表示學

本書旨在討論人工智能領域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領域取得的一系列研究進展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術，比如意識上傳、飛米技術等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術落地，在生物學領域進

本書是一本針對高校學生的絕佳TensorFlow學習教材。作者結合眾多高質量的代碼，生動講解了TensorFlow的底層原理，并從實際應用問題入手，從實踐的角度出發(fā)，通過具體的TensorFlow案例程序介紹常見的模型和應用解決辦法。同時，在教材中還介紹了模型部署和編程過程中所用到的諸多開發(fā)技巧。是學習和掌握人工智能這

本書共4章。第1章介紹了人工智能、機器學習、深度學習、強化學習的基本概念。第2章以Q學習為例，重點介紹了強化學習的原理、算法步驟、代碼實現(xiàn)、代碼運行調試。第3章先對深度學習的幾種常見的類型和原理進行介紹，然后給出了例程和調試方法。第4章以Q學習中運用神經網絡為例，介紹了深度強化學習的基本原理和方法，同時也給出了例程和調

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業(yè)界的深度學習核心知識：機器學習概論、神經網絡、深度學習。著重講述了深度學習的實現(xiàn)以及深度學習框架TensorFlow：Python編程基礎、TensorFlow編程基礎、TensorFlow模型、TensorFlow編程實踐、TensorFlo

本書致力于推動人工智能的普及教育，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，包括機器學習和深度學習的基本內容，并結合圖像信息處理和自然語言處理兩個典型應用展開闡述，使讀者能快速掌握人工智能的基本概念、基本知識體系和框架，為進一步深入學習打下良好基礎。

本書理論完備，涵蓋主流非深度強化學習算法和深度強化學習算法；實戰(zhàn)性強，基于Python、Gym、TensorFlow2等構建，并有AlphaZero等綜合案例。全書共12章，主要內容如下。 第1章：介紹強化學習的基礎知識與強化學習環(huán)境庫Gym的使用，并給出完整的編程實例。 第2～9章：介紹強化學習的理論知識。以Mark

本書對我國人工智能的發(fā)展狀況、國家戰(zhàn)略，及其在經濟發(fā)展、民生改善、政府治理等方面的廣泛應用作了簡明通俗的闡釋；同時，還闡述了世界范圍內人工智能的發(fā)展歷史、國外主要國家和地區(qū)人工智能的發(fā)展現(xiàn)狀、人工智能的未來前景等。 書中包含大量應用案例，涉及制造業(yè)、農業(yè)、金融、交通、醫(yī)療、教育、家居、政府治理、政務服務等領域。突出介紹

本教材的內容涉及模糊理論、數(shù)據(jù)融合、神經網絡、遺傳算法及傳感技術等相關內容，并著重介紹數(shù)據(jù)融合技術的原理、特點及具體應用方法，在目前多傳感器數(shù)據(jù)融合技術研究成果的基礎上進行系統(tǒng)解析，分析特點，論述不足，為數(shù)據(jù)融合技術的研究提供科學合理的依據(jù)，達到促進智能信息處理技術可持續(xù)發(fā)展的目標。