本书全面、系统汇集并研究了当前和未来在智能系统(包括人工智能)领域所应用的经典与非经典的智能数学方法,至今在 外尚未见有同类著作发表。本书的特点是:(1) 从三次数学危机的历史高度出发论证了智能科学、技术、工程的必然发展趋势与创新空间;(2) 以人工智能科学发展的三大学派——逻辑主义学派、联结主义学派、行为主义学派为线索,介绍与论证了相关的经典与非经典数学方法;(3) 紧密结合当前与未来人工智能的广泛而深入的应用,精选了十大学科(数理逻辑、集合论、概率论、数理统计、运筹学、图论、组合优化、模糊数学、神经网络、遗传算法)做了全面、系统、精要、启发式的论述与研讨。(4) 每章都结合所介绍的数学原理和方法,阐述了作者关于创新发展的思悟和建议。本书适合在智能系统(包括人工智能)领域工作的所有教
本书不仅梳理了人工智能技术在科学各领域中的广泛应用,还深入分析了其对科学生产力的推动作用,以及在伦理、法律和社会层面可能引发的讨论和问题。书中汇集了 专家的研究成果,为读者提供了一个全面了解人工智能在科学研究中应用的窗口,展现了人工智能技术如何推动科学的创新与进步,并对未来的研究方向提出了深刻的见解。 本书适合对人工智能及其在科学研究中的应用感兴趣的广大读者,包括科研人员、政策制定者、教育工作者以及对人工智能充满热情的公众。 无论是希望了解人工智能如何改变传统科研模式的学者,还是关心科技进步对社会产生深远影响的决策者,或是渴望在教育领域应用人工智能技术的教育者,都能从本书中获得宝贵的信息和启发。 对于公众而言,本书也是一扇了解人工智能 发展及其科学应用的窗口,有助于提
本书基于 外新近相关文献,从人工智能的视角,围绕作为动态逻辑基础系统的命题动态逻辑及其扩展系统进行了研究。具体内容如下:第1章是导论;第2~5章是本书研究的基础;第6~8章阐释了正则命题动态逻辑的形式系统、可判定性、 性和计算复杂性;第9章探讨了非正则命题动态逻辑; 0章介绍了动态逻辑的一些变种; 1~17章是命题动态逻辑的扩展系统,这些系统分别使用了程序量词、互模拟和逻辑等值程序、Petri网、无缩并无切割规则的矢列演算、多类型显示演算、有穷多个命题变元,以及存储、恢复和并行合成算子对命题动态逻辑进行的扩展; 8章研究了从交流 新逻辑到命题动态逻辑的程序转换器。 本书适合现代逻辑、计算机科学、人工智能和系统工程等领域以及对命题动态逻辑及其扩展系统感兴趣的教师、研究生和科研人员阅读。
本书作为工程仿真创新设计大赛推动关键共性技术创新的成果之一,也是仿真秀平台打造跨行业跨领域的工业品解决方案“资源池”的一部分。本书将工程仿真大赛的 作品进行整理,以便形成可用于行业间技术转移的解决方案,技术涵盖工业设备、车辆、航空航天与国防、能源、土木建筑、生命科学等九个行业大类。 本书收录和整理了工程仿真应用的案例,共46 个共性技术解决方案,包括车辆应用、航空航天应用、地质土建应用、工艺应用、能源动力应用等领域。详细阐述了技术路线、软件实现手段,以图文并茂的形式,将项目成果转化为可转移的技术方案。 本书涉及领域丰富,技术路线清晰,适用于以数字化、智能化、绿色化为方向的设计、研发、生产相关的工程技术人员,以及理工科院校的教师、研究生、高年级本科生。
。
《智能交通系统:面向高效交通管理功能设计(原书第2版)》分析了智能交通系统(ITS)及其功能设计的发展历程,介绍了面向高效交通管理的ITS设计流程,充分融合交通规划和交通工程原理,提出了ITS功能设计理论的框架及方法,详细介绍了偶发 通事件处置、常发 通拥堵疏导、匝道控制、交通管理中心等功能设计内容,总结了系统设计与运行评价的指标及方法,探讨了主动交通管理、交通走廊管理策略,以及车联网技术应用。本书可为工程师开展ITS功能设计提供相关经验与工具,辅助其开发适应高效交通管理需求的ITS。
本书以较简明的方式介绍人工智能算法在数值求解复杂系统中的基本方法及 进展。首先从人工智能与机器学习的基础算法开始讲解,包括 基础的反向传播神经网络模型和一些经典的机器学习算法的基础及其原理。然后从一阶常微分方程初值问题引入,分别介绍常微分方程、偏微分方程以及积分微分方程数值求解的经典算法。随后分别研究反向传播神经网络、极限学习机算法、 小二乘支持向量机算法以及深度学习算法如何用于数值求解复杂系统中的微分方程。相较于经典的基于迭代算法的微分方程数值计算方法,这些基于人工智能与深度学习的计算方法可以 加高效且 加准确地得到复杂系统的数值解。 本书适合高等院校数学与应用数学、信息与计算科学、计算机科学等专业的教师、高年级本科生与研究生等阅读参考,也可以为在工业生产中需要求解实际复杂系统
本书详细阐述意图驱动自智网络的关键技术与应用实例。内容涵盖意图驱动自主智能网络的基础概念与背景,以及意图智能转译、意图闭环验证、自主策略生成、意图态势感知等意图环路技术。此外,探讨针对意图驱动智能运维、意图驱动网络负载均衡、意图驱动6G编排和意图驱动卫星网络管控等典型应用案例。 本书旨在为信息与通信工程、计算机网络、下一代通信网络等相关学科的科研人员和研究生,以及通信网络设备商、运营商、网络建设及运维和管理人员等提供技术指导和实践参考。
作者Hala Nelson并没有讨论高深的学术理论,而是以现实世界的应用和 进的模型为重点,介绍了在人工智能领域发展所需的数学知识。你将在专门的AI背景下探索回归、神经网络、卷积、优化、概率、马尔可夫过程、微分方程等主题。工程师、数据科学家、数学家、科学家将为在AI和数学领域取得成功打下坚实的基础。 你将能够:熟练运用AI、机器学习、数据科学和数学的语言;在数学结构下统一机器学习模型和自然语言模型;轻松处理图形和网络数据;探索真实数据,可视化空间变换,降低维度和处理图像;为不同的数据驱动项目选择合适的模型;探索AI的各种影响和局限性。
本书建立人工智能的信息的科学原理。全书有五部分。第Ⅰ部分,人工智能总论,提出信息世界的科学概念,以信息为支点建立科学体系的理论;第Ⅱ部分,信息基本定律,建立了信息世界的基本定义和基本定律;第Ⅲ部分,信息的数学原理,建立了以信息演算理论(离散系统的微积分)、信息解码原理和信息生成原理为三大支柱的信息科学体系的数学原理;第Ⅳ部分,智能的信息科学原理,建立了包括学习的信息理论、自我意识的信息理论、博弈/谋算理论为三大支柱的人工智能的信息科学原理,提出一个自我意识主体的智能就是该自我意识主体的信息的智能论题(intelligencethesis),提出人工智能的孙子模型;第Ⅴ部分,信息的哲学,提出信息时代科学双引擎的方法论和信息时代一些重大科学问题,简单介绍了《孙子兵法》的信息科学原理。 本书是重大前
工业人工智能是支撑智慧工厂深度变革与重大创新的核心驱动技术。本书在梳理相关研究的基础上,尝试贯穿研发、生产、销售、物流、售后等不同环节,探讨工业人工智能在产品全生命周期的创新性应用,分析工业人工智能在落地及实施阶段可能面临的挑战与困难,构建工业人工智能成熟度评估体系,同时结合大量 外案例剖析工业人工智能如何与不同行业进行深度融合,由此为我国制造业新一轮数字化转型及创新带来启示。 本书可作为数字化转型、智能制造及工业人工智能等相关方向的教学与科研人员、行业专家、企业及政府部门的阅读参考书。
全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用,包括\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"深度神经网络-隐马尔可夫混合模型”的训练和优化,特征表示学习、模型融合、自适应,以及以循环神经网络为代表的若干 深度学习技术。
。
本书从空间信息处理角度出发,将人工智能领域的理论研究与专业实践相结合,完整介绍人工智能方法及其在空间信息处理中的应用,不仅涵盖人工智能领域的基础概念与基本方法,而且探讨知识图谱、计算智能、新兴机器学习、深度学习等前沿技术,同时介绍人工智能在地理文本大数据、遥感影像、激光点云等空间信息处理中的应用实例,具有较强的代表性和启发性。 本书可以作为高等院校空间信息与数字技术、遥感科学与技术等专业高年级本科生和研究生学习人工智能技术的教材,也可供计算机、电子信息、自动控制、地球测绘等领域从事空间信息智能处理工作的科技人员学习和参考。
全书分为五个部分: 部分阐述了无线传感器系统在 环境下应用时的通用解决方案,包括通用设计、反馈控制、寿命优化、定位性能提升、事件驱动供能等相关技术;第二部分介绍了空间无线传感器系统解决策略与应用,包括无源传感器、容断网络、火箭仪器舱内的红外无线网络、临近空间无线平台等;第三部分介绍了水下和潜水型无线传感器系统解决策略,包括水声传感、水下表面反射波速定位、单一信标定位,以及水中使用时的安全性问题和解决方案;第四部分和第五部分分别介绍了地下及狭窄环境、 工业环境下的无线传感器系统解决策略。
本书对所有主要的深度学习方法和**研究趋势进行了深入探索。全书分为上下两卷,五个部分。上卷包括两个部分: 部分是基础算法,包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法;第二部分是判别式模型,包括卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆模型(LSTM)、注意力机制和记忆网络。下卷包括三个部分:第三部分是生成式模型,包括深度置信网络/深度玻尔兹曼机、自编码器(AE)/变分自编码器(VAE)、生成对抗网络(GAN)、像素级生成、深度聚类等;第四部分是前沿技术,讨论深度强化学习;第五部分是安全保障,包括深度学习的可解释性和对抗样本的攻击与防御。本书特别注重学术前沿,对包括胶囊网络在内的当前**成果进行了细致的讨论。全书构建了一套明晰的深度学习体系,同时各章内容相