本書是一本系統(tǒng)介紹人工智能基礎知識和基本原理的入門書籍,從經典人工智能入手,介紹知識表示、確定性推理、不確定性推理、專家系統(tǒng)和演化算法等。同時,也介紹了典型機器學習和深度學習的學習框架和方法,如決策樹、支持向量機、卷積神經網(wǎng)絡、循環(huán)神經網(wǎng)絡和生成對抗網(wǎng)絡等。另外,本書以Pytorch、sklearn等為基礎通過實踐項目

本書分為6章、24小節(jié)，分別以“城市、政府、市場、人民、生態(tài)、未來”等角色和角度，通過相關話題、觀點與案例解讀的形式，分享國內外優(yōu)秀智慧城市的創(chuàng)新案例和解決方案，從各個層面探討智慧城市發(fā)展趨勢、挑戰(zhàn)和機遇，為讀者帶來全新的思考與啟發(fā)。

本書詳細介紹了人工智能領域涉及的數(shù)學基礎，對于每個問題盡可能給出足夠詳盡的證明過程，以幫助讀者深入理解智能算法的原理。本書內容涉及線性代數(shù)、高等數(shù)學、概率論、**化等多個數(shù)學分支內的重要知識點。采用公式推導、圖表示例、應用舉例相結合的方式，以翔實的語言、全新的視角，幫助讀者理解其中的關鍵知識點。全書共分為10章:第1章

《AI可解釋性（Python語言版）》全面介紹了AI可解釋性的概念和可用技術，使機器學習系統(tǒng)更易于解釋。書中提出的方法可以應用于幾乎所有現(xiàn)有的機器學習模型：線性和邏輯回歸、深度學習神經網(wǎng)絡、自然語言處理和圖像識別等等。隨著機器學習的發(fā)展，如今人們越來越多地使用人工智能體來執(zhí)行以前由人類處理的關鍵任務(醫(yī)療、法律和金融等

本書以智能算法為背景，全面地介紹了人工智能的各種算法，本書內容以理論為基礎，以應用為主導，循序漸進地向讀者揭示怎樣利用智能算法解決實際問題。全書共11章主要內容包括MATLAB語言入門、插值算法與曲線擬合、灰色系統(tǒng)理論、傅里葉變換和小波變換、經驗模態(tài)分解算法、模糊邏輯控制算法、滑模變結構控制、神經網(wǎng)絡基本理論、支持向量

本書采用“理論+實踐”的方式，全面系統(tǒng)地講授了深度學習的基本原理以及使用TensorFlow實現(xiàn)各類深度學習網(wǎng)絡的方法。全書共10章，第1～3章主要介紹深度學習的基礎知識，包括深度學習的概念和應用、深層神經網(wǎng)絡的訓練和優(yōu)化、TensorFlow的內涵和特點等內容；第4～5章主要介紹TensorFlow的安裝，以及計算模

本書深入淺出地介紹了近年來AI領域中十分引人注目的新型人工神經網(wǎng)絡——生成對抗網(wǎng)絡（GAN）的基本原理、網(wǎng)絡結構及其在圖像處理領域中的應用；同時，分析了近年來在GAN訓練、GAN質量評估及多種改進型GAN方面取得的進展；在實踐方面，給出了基于Python的基本GAN編程實例。另外，本書還介紹了支撐GAN模型的基礎理論和

本書系統(tǒng)介紹了知識圖譜的概念、發(fā)展歷程、技術體系、前沿技術與應用實踐。在基礎知識方面，本書囊括了知識圖譜從源數(shù)據(jù)到產生決策的全生命周期的各個環(huán)節(jié)，分析了數(shù)據(jù)圖譜和知識圖譜的核心區(qū)別，介紹了圖譜構建和知識表示等相關關鍵技術。在前沿技術方面，全面介紹了知識圖譜自動構建、知識圖譜融合和智能推理等問題和挑戰(zhàn)。在應用實踐方面，結

本書內容包括Python編程IDE的安裝,機器學習分類,聚類,回歸,數(shù)據(jù)預處理和人工神經網(wǎng)絡。算法原理解析中所涉及到的數(shù)學等晦澀內容都以知識窗的形式一一講解,表述通俗易懂;算法具體應用中的案例典型生動,編程代碼具體詳細,力求讓人工智能思想落地,直觀地展現(xiàn)于讀者面前。

本書選材廣泛,涵蓋了人工智能基礎、人工智能的利弊、人工智能中的推理、知識表示和知識圖譜、模糊邏輯系統(tǒng)、知情搜索算法和不知情搜索算法、專家系統(tǒng)、機器學習和深度學習、機器學習算法、人工神經網(wǎng)絡、大數(shù)據(jù)與機器學習、模式識別、自然語言處理、計算機視覺、人工智能中的智能體、智能制造、用于人工智能的五種編程語言、人工智能平臺、人工