本書旨在為有興趣更好地理解數(shù)學和統(tǒng)計的學生提供一個可訪問的、全面的教科書，這些數(shù)學和統(tǒng)計知識是數(shù)據(jù)科學和機器學習算法的基礎。

本書對人工智能安全的基本概念和框架進行梳理。第1章主要介紹信息安全和人工智能的基礎性概念。第2章和第3章分別從人工智能信息系統(tǒng)安全和人工智能算法安全的角度，對人工智能安全的研究方法、研究手段進行詳述，其中包含大量的真實例子、程序代碼。第4章主要討論人工智能輔助攻防新場景。第5章主要討論人工智能安全生態(tài)。希望通過本書，傳

本書致力于介紹圖神經(jīng)網(wǎng)絡的基本概念和算法、研究前沿以及廣泛和新興的應用，涵蓋圖神經(jīng)網(wǎng)絡的廣泛主題，從基礎到前沿，從方法到應用，涉及從方法論到應用場景方方面面的內(nèi)容。全書分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡典型的前沿領域；第四部分描述可能對圖神經(jīng)網(wǎng)絡未來研

本書內(nèi)容共分為10章，從學科基礎、技術基礎、重點方向與領域、行業(yè)應用、倫理法律5方面系統(tǒng)、整體介紹人工智能的定義、方法、體系、應用及其內(nèi)涵。第1章介紹人工智能定義及新知識體系。第2章介紹人工智能孕育史、機械論、計算歷史、控制論、聯(lián)結主義起源、計算機器的歷史，以及當代人工智能歷史。第3章介紹與人工智能有關的哲學概念、分支

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，將基于深度學習的目標檢測的相關論文中的理論和方法呈現(xiàn)給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側重對卷積神經(jīng)網(wǎng)絡的介紹，而深度學習的內(nèi)容不止于此。所以，作者將深度學習分為有監(jiān)督學習、無監(jiān)督學習和強化學習三類，將圖像分類、目標檢測、

本書基于備受讀者推崇的王樹森“深度強化學習”系列公開視頻課，專門解決“入門深度強化學習難”的問題。 本書的獨特之處在于：第一，知識精簡，剔除一切不必要的概念和公式，學起來輕松；第二，內(nèi)容新穎，聚焦近10年深度強化學習領域的突破，讓你一上手就緊跟最新技術。本書系統(tǒng)講解深度強化學習的原理與實現(xiàn)，但不回避數(shù)學公式和各種模型

機器學習是人工智能的重要技術基礎，涉及的內(nèi)容十分廣泛。本書涵蓋了機器學習和深度學習的基礎知識，主要包括機器學習的概述、統(tǒng)計學基礎、分類、聚類、神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡、支持向量機、文本分析、分布式機器學習算法等經(jīng)典的機器學習基礎知識，還包括卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡、目標檢測、自編碼器等深度學習的內(nèi)容。此外，

機器學習是人工智能的重要方向之一，對提升各行業(yè)的智能化程度正在起越來越大的作用。本書通過凝練機器學習的核心思想與方法，綜合介紹了Python、常用庫和相關工具，以及機器學習的原理與實現(xiàn)，囊括了機器學習與行業(yè)相結合的實例，可讓沒有深厚計算機、編程背景的讀者在有限的時間內(nèi)掌握機器學習的相關知識和應用工具。本書各部分的比例適

本書從理論結合實踐編程來學習推薦系統(tǒng)。由淺入深，先基礎后進階，先理論后實踐，先主流后推導。第1章較為簡單，僅初步帶領大家了解什么是推薦系統(tǒng)及推薦系統(tǒng)的簡史。第2章到第5章介紹的是主流的推薦算法及推薦算法的推導過程，這部分是本書的核心，每個算法都描述的非常詳細且有具體代碼幫助大家理解，深度學習的框架將采用PyTorch。

面向MATLAB工具箱的神經(jīng)網(wǎng)絡（第4版）