本書是暢銷書深度學習入門&進階系列第五本書，主要圍繞生成模型進行講解。生成模型是一種非常重要的技術(shù)，對于人工智能的發(fā)展有著重要的作用。本書延續(xù)了作者通俗易懂的行文風格，以深入淺出的方式介紹正態(tài)分布到擴散模型所涉及的技術(shù)，并最終完成一個類似于StableDiffusion的圖像生成人工智能。讀者可在創(chuàng)建這個圖像生成人工智

本書是一本專門為AI初學者撰寫的入門指南，以備受關(guān)注的AI大模型DeepSeek為切入點，借助豐富的案例和通俗易懂的講解，全面且系統(tǒng)地介紹有關(guān)AI的知識，幫助讀者走出AI認知誤區(qū)，逐步掌握AI應(yīng)用技巧，進而抓住AI時代的機遇。本書不僅剖析了DeepSeek的特點和影響，還深入探討AI在學習、生活、內(nèi)容創(chuàng)作等多個領(lǐng)域的應(yīng)

本書系統(tǒng)解析DeepSeek大模型的技術(shù)架構(gòu)與應(yīng)用生態(tài)，構(gòu)建技術(shù)認知-環(huán)境搭建-領(lǐng)域攻堅三維能力體系。第1部分從人工智能技術(shù)演進切入，剖析深度學習、Transformer架構(gòu)及大模型革命的技術(shù)哲學，詳解開發(fā)環(huán)境配置、API調(diào)用與智能系統(tǒng)構(gòu)建方法論；第2部分聚焦6大核心場景，覆蓋智能辦公、數(shù)據(jù)可視化、數(shù)字內(nèi)容生產(chǎn)、教育創(chuàng)

人類智能是否能遷移到人工智能，人工智能是否能接近或達到人類智能？這些問題一直備受爭議。本書基于語境的適應(yīng)性表征方法論，系統(tǒng)地探討了人工智能的適應(yīng)性表征范疇架構(gòu)，人工智能的邏輯主體、搜索主體、學習主體、決策主體和問題-解決主體的適應(yīng)性表征特征，以及人工智能適應(yīng)性表征的語境建構(gòu)及其哲學、倫理問題和未來走向，力圖論證這樣一種

本書站在科學研究制高點——范式(即科學觀與方法論)——的立場上揭示了人工智能的深層學術(shù)本質(zhì)，并通過范式革命(以信息學科范式取代物質(zhì)學科范式)構(gòu)筑了全新的人工智能研究模型，發(fā)現(xiàn)了普適性智能生成機制，開辟了基于智能生成機制的人工智能統(tǒng)一研究路徑，創(chuàng)建了機制主義通用人工智能理論以及與之和諧適配的泛邏輯理論和因素空間數(shù)學理論，

本書系統(tǒng)梳理了深度強化學習的核心理論、關(guān)鍵算法及其在智能控制、機器人技術(shù)和多智能體系統(tǒng)中的應(yīng)用。全書涵蓋強化學習的基本概念、深度強化學習的主要框架，以及多智能體強化學習的協(xié)同決策、任務(wù)分解與優(yōu)化控制等前沿問題，并結(jié)合大量實驗案例，深入探討強化學習在飛行器控制、移動機器人導(dǎo)航與避障等領(lǐng)域的實踐應(yīng)用。

本書針對分布式機器學習中網(wǎng)絡(luò)通信、在線學習、隱私保護等問題，研究無中心的分布式優(yōu)化算法。主要內(nèi)容包括：①分布式一階梯度算法，提出在線學習的自適應(yīng)次梯度算法和隨機塊坐標的次梯度投影算法、自適應(yīng)最小最大優(yōu)化算法，旨在研究分布式的優(yōu)化算法，理論分析所提算法的收斂性能；②分布式無投影梯度算法，提出隨機塊坐標無投影梯度算法、面向

本書立足于無人系統(tǒng)的自主尋源任務(wù)，圍繞近十年來動態(tài)復(fù)雜環(huán)境中無人系統(tǒng)優(yōu)化控制和軌跡規(guī)劃相關(guān)研究的難點和熱點問題，從信號場類型、不完全量測信息、決策控制方法等多個角度出發(fā)，系統(tǒng)地解決了僅可獲得場源方位角量測、信號場強度量測條件下的自主尋源控制問題，時空動態(tài)信號場場源的協(xié)作定位問題，以及無人系統(tǒng)在自主尋源任務(wù)下的多約束軌跡

"《神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用實踐》在全面介紹人工神經(jīng)網(wǎng)絡(luò)基本理論的基礎(chǔ)之上，首先，系統(tǒng)地闡述了單層感知器神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、競爭學習神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、學習向量量化神經(jīng)網(wǎng)絡(luò)、對偶傳播神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、支持向量機等淺層神經(jīng)網(wǎng)絡(luò)的典型網(wǎng)絡(luò)結(jié)構(gòu)、學習算法、工作原理和應(yīng)用案例；其次，系統(tǒng)地闡述了深度學習中卷積神

"《DeepSeek原生應(yīng)用與智能體開發(fā)實踐》圍繞DeepSeek大模型應(yīng)用開發(fā)展開，深度融合技術(shù)創(chuàng)新與工程實踐，內(nèi)容覆蓋大模型應(yīng)用開發(fā)（在線調(diào)用、提示詞、推理、Agent、工具調(diào)用、MCP、微調(diào)、蒸餾、后訓練、RAG）技術(shù)棧及其案例。書中原理與案例相融合，注重培養(yǎng)讀者的大模型原生應(yīng)用與智能體開發(fā)能力，并構(gòu)建從理論到落