本书是深度学习领域的入门教材,系统地整理了深度学习的知识体系,并由浅入深地阐述了深度学习的原理、模型以及方法,使得读者能全面地掌握深度学习的相关知识,并提高以深度学习技术来解决实际问题的能力。 全书共15章,分为三个部分。 分为机器学习基础:第1章是绪论,介绍人工智能、机器学习、深度学习的概要,使读者全面了解相关知识;第2~3章介绍机器学习的基础知识。 第二部分是基础模型:第4~6章分别讲述三种主要的神经网络模型:前馈神经网络、卷积神经网络和循环神经网络;第7章介绍神经网络的优化与正则化方法;第8章介绍神经网络中的注意力机制和外部记忆;第9章简要介绍一些无监督学习方法;第10章介绍一些模型独立的机器学习方法,包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 第三部分
《立心之约 中学生AI微课十讲》是关于人工智能(AI)是什么、研究什么及其应用与发展现状的科普读物,分十讲进行编写:第一讲,人工智能的现状、趋势与战略;第二讲,机器眼中的大千世界 计算机视觉;第三讲,语言与机器的火花碰撞 自然语言处理;第四讲,认知科学与AI世界的邀约 认知推理;第五讲,机器自我成长进步 机器学习;第六讲,未来生活离不开的伙伴 智能机器人;第七讲,机器世界不孤单 多智能体;第八讲,机器生活的世界 物理世界仿真模拟;第九讲,舞动科技的音符 人工智能音乐;第十讲,人工智能在北大。 《立心之约 中学生AI微课十讲》可作为人工智能的的科普读物,也可作为中学校本课教材或大学通识教育课教材。
当前,人工智能作为一项引领未来的颠覆性战略技术,已在经济、军事、社会等各领域广泛用,成为世界各国科技竞争和战略布局的重中之重。本书以人工智能的“起点、拐点、奇点、看不见的终点”为线,突出认知新思维、技术新发展、应用新构想,从人工智能前世今生、思维方法、大模型、机器学习、感知认知、人机交互、脑科学、机器人,以及无人智能作战和未来发展等多维度、多层次、多领域进行全面深入剖析。
AI技术突飞猛进,智能革命风起云涌,正在将人类社会推进到全新的智能社会。在以机器人劳动、智能治理、加速、后真相等为重要特征的智能社会中,人类既能享受到物质极大丰富的富裕生活,同时也面临着诸多科技风险和社会风险。关于AI的各种问题不仅为越来越多的人所困惑、思考,亦成为试图把握时代精神的当代人不可能绕开的问题。 《智能革命后的世界:AI技术与人类社会的命运》运用跨学科的理论、方法、观点和案例,深刻剖析了当前智能革命发展的趋势,并用通俗易懂、简洁明快的语言对“智能革命后的世界”进行总体把握和全面刻画。尤其聚焦于未来智能社会的数字 、智人自我改造、AI养老与机器情感、机器人劳动与人类失业、AI科研与后真相状况、人类道德新变化、AI技术治理社会以及避免AI文明危崖等与每个人息息相关的议题。 本书
《DEEPSEEK极速上手:高效做事不内耗》本书本着 不止授人予鱼,更要授人以渔 的写作宗旨,系统性地讲解了大 语言模型 DeepSeek 在人们工作、生活中的革命性应用,从技术原理到案例实践,为读者提供了全栈式的 DeepSeek 应用指南。 全书共 6 章,分别聚焦于 DeepSeek 应用的不同主题,从理论基础到实际操作,再到行业应用,为读者构建了一个完整的知识体系。第 1~2 章从技术演进的角度,深入浅出地介绍 DeepSeek 如何重构人机交互范式,并全面、细致讲解了 DeepSeek的基础操作,为读者快速上手 DeepSeek 打下基础。第 3 章重点介绍了具有独创性的六定模型,这是基于提示工程提出的 DeepSeek 提示词方法论,能帮助读者系统地掌握从简单到复杂的 AI 交互技巧。第 4 章介绍了与 DeepSeek 的深度交互方法,这是基于推理机制、用户意图理解机制、情感交互机制、记忆机制、幻觉机
\\\"人工智能时代来临,将带来划时代的变革。人工智能正改变我们的社会、经济、政治和外交政策,这一切影响远远超过任何领域的传统范畴,而我们为此做好准备了吗?在《人工智能时代与人类未来》一书中,来自政府、企业和科技界的三位思想家——外交家基辛格、谷歌前CEO施密特和麻省理工苏世民计算机学院院长胡滕洛赫尔齐聚一堂,探讨人工智能及其改变社会的方式,以及这项技术对我们所有人的意义。 本书通过梳理人工智能的发展现状、人类思想及技术演进的历程,进一步讨论了人工智能赋能的网络平台给个人、企业、政府、 和地区带来的影响,以及人工智能将在重塑世界秩序和安全格局方面所起的作用。同时,该书反思了人工智能的发展对于人类自我身份认同产生的巨大冲击,以客观的视角提出人类在未来几年所必须面对的问题以及解答工具。
本书是深度学习领域的入门教材,系统地整理了深度学习的知识体系,由浅入深地阐述了深度学习的基础知识、主要模型以及前沿研究热点,使得读者能有效地掌握深度学习的相关知识,并具备以深度学习技术来处理和解决大数
\\\"《DeepSeek大模型高性能核心技术与多模态融合开发》深入剖析国产之光DeepSeek多模态大模型的核心技术,从高性能注意力机制切入,深入揭示DeepSeek的技术精髓与独特优势,详细阐述其在人工智能领域成功的技术秘诀。《DeepSeek大模型高性能核心技术与多模态融合开发》循序渐进地讲解深度学习注意力机制的演进,从经典的多头注意力(MHA)逐步深入DeepSeek的核心技术—多头潜在注意力(MLA)与混合专家模型(MoE)。此外,《DeepSeek大模型高性能核心技术与多模态融合开发》还将详细探讨DeepSeek中的多模态融合策略、技术及应用实例,为读者提供全面的理论指导与应用实践。《DeepSeek大模型高性能核心技术与多模态融合开发》配套所有示例源码、PPT课件、配图PDF文件与读者微信技术交流群。《DeepSeek大模型高性能核心技术与多模态融合开发》共分15章,内容涵盖高性能
如今,人工智能的迅速发展给人们的日常生活和工作带来了巨大的影响。要想让人工智能朝着人类智能的方向持续迈进,我们就应该让我们创造的硅基大脑像人类大脑一样有感知、有记忆、有决策、有行动。问题的难点在于,人类大脑由约1000亿个神经元构成,神经元间交流复杂,大脑掌管认知、意识,影响我们生活的方方面面。我们如何破解如此庞大的复杂系统的运行机制呢? 在《心智的10大模型》中,计算神经科学家格蕾丝·林赛深入探讨了数学模型在理解大脑中的关键作用。书中通过10个数学模型,从单个神经元到复杂的神经环路,再到整个大脑的行为控制,逐步展示了数学工具如何帮助科学家理解和描述大脑的决策、感觉处理、记忆等过程。本书不仅是一部科学史,也是一本前沿的神经科学指南,为读者呈现了神经科学与数学、计算机科学的跨学科融合,启
本书前半部分介绍强化学习的重要思想和基础知识,后半部分介绍如何将深度学习应用于强化学习,遴选讲解了深度强化学习的 技术。全书从 适合入门的多臂老虎机问题切入,依次介绍了定义一般强化学习问题的马尔可夫决策过程、用于寻找 答案的贝尔曼方程,以及解决贝尔曼方程的动态规划法、蒙特卡洛方法和TD方法。随后,神经网络和Q学习、DQN、策略梯度法等几章则分别讨论了深度学习在强化学习领域的应用。本书延续“鱼书”系列的风格,搭配丰富的图、表、代码示例,加上轻松、简明的讲解,让人循序渐进地理解强化学习中各种方法之间的关系,于不知不觉中登堂入室。
人工智能已经全面进入艺术领域,与许多艺术门类如电影、绘画、舞蹈、雕塑等都有不同程度的融合发展。本书涉及各艺术门类、计算机、软件工程、仿生科学等领域,立足社会需求,面向未来发展,着重解答3个问题:人工智能现在经典的艺术应用有哪些?其原理是什么?未来人工智能与艺术的融合角度和方式是什么?本书采用总分总的结构,首先介绍人工智能与艺术的历史渊源;其次按照文学、绘画、音乐、电影、戏剧、舞蹈、建筑、游戏、雕塑9个类别分别叙述人工智能的典型案例、原理和未来发展方向; 总结人工智能与艺术融合的一般范式、现存问题和可能的发展路径。 本书适合社会大众、不同门类艺术专业人员和研究者从广度、深度、专业延伸的角度掌握人工智能与艺术的发展脉络。本书也适合作为信息艺术院校、人工智能交叉学科、新文科等相关
本书对所有主要的深度学习方法和最新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:第一部分是基础算法,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最新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
本书从机器学习的基本原理入手,以常见模型为驱动,配以精心设计的实践案例,为大家呈现了机器学习理论知识和应用方法。书中运用 Python 语言及 scikit-learn 库实现了几大常见机器学习模型的训练程序和预测程序,让读者能够理论联系实际,在学习、工作中应用机器学习。 本书适合打算入门机器学习的人阅读。
如何根据带有噪声的传感器数据来估计机器人的状态(如位置、方向)是机器人学研究中的一个重要问题。本书为机器人学领域的学生和从业人员介绍了状态估计的相关知识,既包含经典的状态估计方法(例如卡尔曼滤波),也包含了 加重要的、现代的主题,例如批量优化、贝叶斯滤波、西格玛点(sigmapoint)滤波、粒子滤波、剔除外点的鲁棒估计、连续时间的轨迹估计和高斯过程回归。由于 大多数机器人在三维世界中工作,因此本书介绍了常见的传感器模型(如相机、激光测距仪),并阐述了如何对旋转状态变量进行状态估计。
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:第一部分是基础算法,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