本書是近年來作者對混合智能系統(tǒng)研究成果及經(jīng)驗的總結(jié)。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設(shè)計科學(xué)的思想為基礎(chǔ)，以基于案例推理的混合智能系統(tǒng)技術(shù)選擇為核心，依據(jù)“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構(gòu)造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反饋型混合智能系統(tǒng)、內(nèi)嵌型混合智能系統(tǒng)、混聯(lián)型混合智能系統(tǒng)的應(yīng)用特點進(jìn)行分析的基礎(chǔ)上，對基于案例推理的混合智能系統(tǒng)構(gòu)造方法進(jìn)行了實證研究，并將混合智能系統(tǒng)引入商務(wù)智能的應(yīng)用中。最后對
本書闡釋了人工智能（AI）的獨特之處，它可能導(dǎo)致哪些法律和道德問題，以及我們?nèi)?br>何解決這些問題。它認(rèn)為 AI 與先前其他的任何技術(shù)都有不同，因為它能夠獨立且不可預(yù)測地做出決策。這引發(fā)了三個問題：責(zé)任——如果 AI 造成傷害，誰來負(fù)責(zé)；權(quán)利——賦予 AI 法律人格的道德爭議和務(wù)實理由；以及圍繞人工智能決策的倫理規(guī)范。該書建議，為了解決這些問題，我們需要跨行業(yè)和國際層面制定新的制度和法規(guī)。本書包含對復(fù)雜主題的清晰解釋，將會吸引不同學(xué)科的受眾，無論是對法律、政治和哲學(xué)感興趣的人士，還是對計算機(jī)編
本書的編程語言以Python為主, 詳細(xì)介紹了人工智能算法主流類別, 從常見的特征處理算法出發(fā), 介紹了回歸算法、基于實例的算法、樹方法、神經(jīng)網(wǎng)絡(luò)、自然語言處理、社會網(wǎng)絡(luò)、群粒子算法、推薦算法。本書針對每一個大類算法都介紹了該門類下的幾個經(jīng)典算法, 并運用常見算法庫以代碼實現(xiàn)為目的, 以商業(yè)分析、金融投資、科研輔助、工程優(yōu)化等案例為對象, 逐步講解每一個算法的實現(xiàn)和在案例分析中的運用, 涉及案例均可掃碼實時觀看。
在人工智能發(fā)展的漫長歷程中，如何讓機(jī)器學(xué)會創(chuàng)作一直被視為難以逾越的天塹，創(chuàng)造力也因此被視為人類與機(jī)器最本質(zhì)的區(qū)別之一。然而，人類的創(chuàng)造力也終將賦予機(jī)器創(chuàng)造力，把世界送入智能創(chuàng)作的新時代。人工智能繪畫作品的奪冠、超級聊天機(jī)器人ChatGPT的出現(xiàn)，無疑拉開了智能創(chuàng)作時代的序幕。從機(jī)器學(xué)習(xí)到智能創(chuàng)造，從PGC、UGC到AIGC，我們即將見證一場深刻的生產(chǎn)力變革，而這份變革也會影響到我們工作與生活的方方面面。本書將結(jié)合生動的比喻和有趣的案例，向所有關(guān)注未來科技的從業(yè)者、創(chuàng)業(yè)者、投資人、政府部門科
本書從圖劃分的視角系統(tǒng)介紹基于圖論的機(jī)器學(xué)習(xí)方法，包括機(jī)器學(xué)習(xí)中的三類基本學(xué)習(xí)問題：無監(jiān)督、半監(jiān)督和監(jiān)督學(xué)習(xí)問題，同時考慮協(xié)同正則化、多重正則化和路徑傳播對基于圖論的學(xué)習(xí)方法進(jìn)行了拓展。通過大量的實驗驗證，本書提供的方法合理有效，算法效率顯著提高。
本書基于作者多年的研究成果，詳細(xì)介紹了跨數(shù)據(jù)中心機(jī)器學(xué)習(xí)的訓(xùn)練系統(tǒng)設(shè)計和通信優(yōu)化技術(shù)。本書面向多數(shù)據(jù)中心間的分布式機(jī)器學(xué)習(xí)系統(tǒng)，針對多數(shù)據(jù)中心間有限的傳輸帶寬、動態(tài)異構(gòu)資源，以及異構(gòu)數(shù)據(jù)分布三重挑戰(zhàn)，自底向上討論梯度傳輸協(xié)議、流量傳送調(diào)度、高效通信架構(gòu)、壓縮傳輸機(jī)制、同步優(yōu)化算法、異構(gòu)數(shù)據(jù)優(yōu)化算法六個層次的優(yōu)化技術(shù)，旨在提升分布式機(jī)器學(xué)習(xí)系統(tǒng)的訓(xùn)練效率和模型性能，突破跨數(shù)據(jù)中心機(jī)器學(xué)習(xí)的通信瓶頸和數(shù)據(jù)壁壘，實現(xiàn)多數(shù)據(jù)中心算力和數(shù)據(jù)資源的高效整合。本書可作為跨數(shù)據(jù)中心機(jī)器學(xué)習(xí)的參考資料，供人工智能
本書是《Scikit-learn機(jī)器學(xué)習(xí)詳解》（潘風(fēng)文編著）的進(jìn)階篇，講解了Sklearn（Scikit-learn）機(jī)器學(xué)習(xí)框架的各種高級應(yīng)用技術(shù)，包括數(shù)據(jù)集導(dǎo)入工具、集成學(xué)習(xí)、模型選擇和交叉驗證、異常檢測、管道、 信號分解、模型持久化以及Sklearn系統(tǒng)高級配置。通過本書的學(xué)習(xí)，讀者可快速掌握Sklearn框架的高級知識，邁入人工智能殿堂的大門。本書適合有志于從事機(jī)器學(xué)習(xí)、人工智能技術(shù)開發(fā)的人員或愛好者使用，也可作為相關(guān)專業(yè)的教材。
本書從語義匹配的角度解決搜索引擎和推薦系統(tǒng)的關(guān)鍵痛點，為構(gòu)建解決語義匹配問題的深度學(xué)習(xí)模型提供了通用框架。第1章概述搜索和推薦中的語義匹配問題，以及近年來的研究進(jìn)展。第2章介紹傳統(tǒng)匹配模型，包括潛在空間模型。第3章介紹深度學(xué)習(xí)技術(shù)在構(gòu)建匹配模型時的應(yīng)用。第4章和第5章分別介紹用于搜索和推薦的深度匹配模型，并將當(dāng)前的深度學(xué)習(xí)解決方案分為兩類：表示學(xué)習(xí)方法和匹配函數(shù)學(xué)習(xí)方法。第6章對全書內(nèi)容做了總結(jié)，并為讀者指明進(jìn)一步學(xué)習(xí)的方向。本書適合對深度學(xué)習(xí)感興趣的各類讀者，包括
本教材可以作為人工智能學(xué)科相關(guān)的機(jī)器學(xué)習(xí)技術(shù)的入門教材, 目的不在于覆蓋機(jī)器學(xué)習(xí)技術(shù)的所有知識點, 而是介紹機(jī)器學(xué)習(xí)的常用算法及其應(yīng)用, 使讀者了解機(jī)器學(xué)習(xí)的基本構(gòu)成及不同場景下使用何種機(jī)器學(xué)習(xí)算法。為了增強(qiáng)實踐效果, 本教材引入了多個基礎(chǔ)技術(shù)案例及綜合實踐案例, 以幫助讀者了解機(jī)器學(xué)習(xí)涉及的基本知識和技能。
深度學(xué)習(xí)是人工智能與機(jī)器學(xué)習(xí)領(lǐng)域的重要研究分支，經(jīng)過短短十幾年的發(fā)展，已經(jīng)在計算機(jī)視覺與圖像處理、自然語言處理等領(lǐng)域取得令人矚目的成就。本書作為深度學(xué)習(xí)方面的專門書籍，融合了機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的相關(guān)概念，并且從信號處理視角呈現(xiàn)了深度學(xué)習(xí)背后的幾何學(xué)原理，以便從統(tǒng)一的角度去深化理解深度學(xué)習(xí)的主要模型和算法，從而更好地用于指導(dǎo)理論分析和實踐開發(fā)。全書分為三個部分，共14章。第1～4章為第一部分，主要介紹機(jī)器學(xué)習(xí)基礎(chǔ)知識，包括向量空間、矩陣代數(shù)、凸優(yōu)化等數(shù)學(xué)預(yù)備知識，以及支持向量機(jī)、核回
新書資訊 新書推薦