本書對人工智能安全的理論與實踐技術進行了梳理，全面完整地覆蓋了人工智能安全技術的主要方面，把相關知識體系劃分為五部分，即人工智能的安全觀、人工智能安全的數(shù)據(jù)處理、人工智能用于網(wǎng)絡安全的攻擊與防御、人工智能模型的對抗攻擊與防御以及人工智能平臺的安全與工具。第一部分對人工智能安全問題、基本屬性、技術體系等進行了歸納梳理。第

《人工智能》選取人工智能的9個核心方向，包括搜索、機器學習、線性回歸、決策樹、集成學習、神經網(wǎng)絡、計算機視覺、自然語言處理與強化學習，系統(tǒng)梳理關鍵知識點，并詳細介紹基礎原理與重要算法，同時，加入了對前沿知識的介紹與對核心成果的分析和說明。同時，書中的每一章均配備作業(yè)題與編程練習，讓讀者們在練習當中加深對算法與原理的理解

本書涵蓋了用于理解神經網(wǎng)絡原理的必要統(tǒng)計力學知識,包括復本方法、空腔方法、平均場近似、變分法、隨機能量模型、Nishimori條件、動力學平均場理論、對稱性破缺、隨機矩陣理論等,同時詳細描述了監(jiān)督學習、無監(jiān)督學習、聯(lián)想記憶網(wǎng)絡、感知器網(wǎng)絡、隨機循環(huán)網(wǎng)絡等神經網(wǎng)絡及其功能的物理模型以及解析理論,通過簡潔的模型展示了神經網(wǎng)

本書是一部介紹機器學習算法的書籍。本書在闡述與機器學習的數(shù)學和統(tǒng)計學理論的同時，提供了相關的編程實踐和實驗。第2版新增了深度信念網(wǎng)絡和高斯過程的章節(jié)、卡爾曼濾波器和粒子濾波器的附加討論，對支持向量機的內容進行修訂，并且對代碼進行改進。目錄：前言、預先準備、神經元、神經網(wǎng)絡和線性判別、多層感知器、徑向基函數(shù)和樣條、降維、

本書面向研究型開發(fā)與創(chuàng)新能力培養(yǎng),重點講解機器學習的基本原理和前沿思想。Python是開展機器學習編程實踐的主流語言,本書為常用的機器學習模型提供了完整的Python實現(xiàn)代碼。本書在“中國大學MOOC”上同步開設配套慕課課程,供讀者免費學習。

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