本書系統(tǒng)地論述了神經(jīng)網(wǎng)絡(luò)的主要理論、控制技術(shù)及應(yīng)用實(shí)例，旨在使讀者理解和熟悉神經(jīng)網(wǎng)絡(luò)及其控制的基本原理和主要應(yīng)用，掌握它的結(jié)構(gòu)和設(shè)計(jì)應(yīng)用方法，主要內(nèi)容包括神經(jīng)網(wǎng)路基礎(chǔ)論、神經(jīng)網(wǎng)絡(luò)控制原理、感知器神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、時(shí)滯神經(jīng)網(wǎng)絡(luò)、CMAC網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)控

《人工智能入門與實(shí)戰(zhàn)使用RaspberryPi和Python演練》使用RaspberryPi作為計(jì)算平臺(tái)，介紹AI世界。本書探索了大部分主要的人工智能主題，包括專家系統(tǒng)、淺層和深層的機(jī)器學(xué)習(xí)、模糊邏輯控制等。主要內(nèi)容：AI簡介、基本的AI概念、專家系統(tǒng)的展示、游戲、模糊邏輯系統(tǒng)、機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)：人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)

深度學(xué)習(xí)：從入門到實(shí)戰(zhàn)摒棄了枯燥的理論推導(dǎo)，以大量實(shí)戰(zhàn)應(yīng)用案例及知識模塊等內(nèi)容幫助機(jī)器學(xué)習(xí)領(lǐng)域的初、中級程序員踏實(shí)通過深度學(xué)習(xí)的技術(shù)門檻，切實(shí)提升開發(fā)技能，積累開發(fā)經(jīng)驗(yàn)。實(shí)戰(zhàn)應(yīng)用案例豐富，深入淺出地解析深度學(xué)習(xí)的方法論和深度學(xué)習(xí)實(shí)戰(zhàn)應(yīng)用是本書的一大特色，全書詳細(xì)講述了深度學(xué)習(xí)中涉及的神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識、方法論解析與核心技

數(shù)年來，幾乎每天都能聽到關(guān)于人工智能的重大新聞，其間，筆者針對人工智能的產(chǎn)業(yè)應(yīng)用問題展開了一系列思考和研究，并得出了一些結(jié)論，本書即是對這些的總結(jié)。 本書分三大部分，第I部考察AI在特定行業(yè)和業(yè)務(wù)中的應(yīng)用前景；具體論及AI的發(fā)展程度、人工智能如何改變?nèi)祟愄貏e是白領(lǐng)階層的工作、AI與IoT的關(guān)系，此外該部分還

本書系統(tǒng)全面地介紹了人工智能與信息感知理論與實(shí)踐的內(nèi)容。依據(jù)信息感知系統(tǒng)的組成、特點(diǎn)以及信息感知過程，以感知、融合、智能處理為主線，重點(diǎn)介紹了面向信息感知處理背景下的人工智能前沿理論與方法。內(nèi)容包括：信息感知與數(shù)據(jù)融合基本原理與方法；神經(jīng)計(jì)算基本方法，神經(jīng)計(jì)算實(shí)現(xiàn)技術(shù)以及支持向量機(jī)；深度學(xué)習(xí)中典型神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)及其應(yīng)用；

**智能是\"思想上的蟲洞\"。通過與它合作，我們可以探索突破進(jìn)化限制的思想空間，我們可以獲得宇宙中深深隱藏著的知識，我們甚至可以變成新生命的創(chuàng)造者！人工智能正在我們的社會(huì)中扮演著越來越重要的角色，圍繞著人工智能的討論也在變得越來越兩極分化，很多人認(rèn)為，機(jī)器要么能解決所有人的問題，要么就會(huì)把我們拖進(jìn)黑暗的、反烏托邦的深

《創(chuàng)造力與人工智能的概念整合研究（英文版）/德古意特認(rèn)知語言學(xué)應(yīng)用叢書》從概念整合理論的視角，解析了創(chuàng)造力與人工智能，探討了創(chuàng)造力的過程、理論與表征，以及計(jì)算實(shí)現(xiàn)的各個(gè)方面，包括組合、完善和擴(kuò)展等。

計(jì)算機(jī)視覺、自然語言處理和語音識別是目前深度學(xué)習(xí)領(lǐng)域很熱門的三大應(yīng)用方向，本書旨在幫助零基礎(chǔ)或基礎(chǔ)較為薄弱的讀者入門深度學(xué)習(xí)，達(dá)到能夠獨(dú)立使用深度學(xué)習(xí)知識處理計(jì)算機(jī)視覺問題的水平。通過閱讀本書，讀者將學(xué)到人工智能的基礎(chǔ)概念及Python編程技能，掌握PyTorch的使用方法，學(xué)到深度學(xué)習(xí)相關(guān)的理論知識，比如卷積神經(jīng)網(wǎng)絡(luò)

深度強(qiáng)化學(xué)習(xí)（DeepReinforcementLearning，DRL）是深度學(xué)習(xí)算法和強(qiáng)化學(xué)習(xí)算法的巧妙結(jié)合，它是一種新興的通用人工智能算法技術(shù)，也是機(jī)器學(xué)習(xí)的前沿技術(shù)，DRL算法潛力無限，AlphaGo 是目前該算法*成功的使用案例。DRL算法以馬爾科夫決策過程為基礎(chǔ)，是在深度學(xué)習(xí)強(qiáng)大的非線性函數(shù)的擬合能力下構(gòu)成

本書從深度學(xué)習(xí)的發(fā)展歷程講起，以豐富的圖例從理論和實(shí)踐兩個(gè)層面介紹了深度學(xué)習(xí)的各種方法，以及深度學(xué)習(xí)在圖像識別等領(lǐng)域的應(yīng)用案例。內(nèi)容涉及神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer和TensorFlow在內(nèi)