本書融合了信息交互設計專業(yè)方向近十年來在交互設計教學方面的經(jīng)驗，將教學團隊在實際教學過程中探索形成的行之有效的教學結構與方法構建在內容之中。因此，本書的知識模塊、教學體例和適時的作業(yè)配套都經(jīng)過了多年教學的實踐與優(yōu)化，符合學習認知的規(guī)律和交互設計的內容特點，可為相應的專業(yè)教學提供有效的教學參考，從而引導學生了解并掌握交互

人工智能是電子信息技術領域發(fā)展為迅速的新興交叉學科。本書作為人工智能學科的入門基礎，由淺入深、化繁為簡，全方位闡述人工智能相關理論背景、關鍵技術及部分典型應用。本書共12章：第1章闡述人工智能的定義、發(fā)展史，并展望其發(fā)展趨勢；第2～4章是人工智能學科的理論基礎，分別介紹知識的表示與理解方法、感知與連接以及判斷與控制方法

本書較完整地介紹了深度學習的基本概念、方法和技術。全書共10章，重點介紹了深度學習的基礎知識、深度學習的基本算法、深度學習中的正則化以及幾個典型的深度神經(jīng)網(wǎng)絡（如深度卷積神經(jīng)網(wǎng)絡、深度循環(huán)神經(jīng)網(wǎng)絡、深度生成式對抗網(wǎng)絡、自編碼器、深度信念網(wǎng)絡、膠囊網(wǎng)絡等）。本書內容豐富、敘述詳細、實用性強，適合具有一定數(shù)學基礎的高年級本

本書在不涉及大量數(shù)學模型與復雜算法實現(xiàn)的前提下，從機器學習概述開始，由“泰坦尼克號數(shù)據(jù)分析與預處理”“良/惡性乳腺癌腫瘤預測”“波士頓房價預測”“手寫體數(shù)字聚類”“人臉特征降維”“在線旅行社酒店價格異常檢測”6個案例分別引入數(shù)據(jù)分析、分類、回歸、聚類、特征降維和異常檢測的應用開發(fā)實戰(zhàn)技術及其少量理論，能夠幫助讀者以最快

深度學習是目前***的技術領域。本書兼顧了數(shù)學上的理解和代碼實踐，內容主要包括基礎知識和深度學習模型。第1章介紹深度學習的簡潔發(fā)展思路和表示學習機制；第2章、第3章介紹神經(jīng)網(wǎng)絡的基于梯度的優(yōu)化方法、神經(jīng)網(wǎng)絡的優(yōu)化難點以及相應的解決方法；第4章討論神經(jīng)網(wǎng)絡遇到的過擬合問題；第5章分析神經(jīng)網(wǎng)絡的最小組成部分——神經(jīng)元；第6

本書通過有趣的插圖和簡潔的文字帶您漫步在人工智能的世界中，與您分享這個非fan工具帶來的驚奇和震撼，同時幫助您了解它如何運行以及它的局限性。作者在每個章節(jié)都揭示了人工智能的某一特性，并充分評估了這一領域的種種可能性。作者還探討了研究人員面臨的挑戰(zhàn)及社會人工智能問題等。

統(tǒng)計學習是機器學習的重要分支，本書兼顧了數(shù)學上的理解和代碼實踐，內容主要包括基礎知識和統(tǒng)計學習模型。第1章、第2章結合VC維介紹過擬合的本質，并介紹手動特征選擇的辦法；第3章、第4章從最簡單的線性模型出發(fā)經(jīng)過概率統(tǒng)計的解讀而得到分類和回歸算法；第5章討論了不依賴于假設分布的非參數(shù)模型；第6章將核方法作為一種非線性拓展的

本書共12章，第1章介紹機器學習的基本概念和理論，并介紹用于機器學習的R軟件環(huán)境的準備；第2章介紹如何應用R來管理數(shù)據(jù)，進行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3-9章介紹典型的機器學習算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預測、黑盒算法—神經(jīng)網(wǎng)絡和支持向量機、關聯(lián)分析、k均值聚類，并給出大量的實際案

本書是人工智能領域的經(jīng)典書籍，新版做了全面修訂，增加了關于機器學習的內容，并更新了代碼示例和練習。本書主要討論智能體(agent)的基本概念和體系結構，從計算的角度介紹相關的規(guī)劃、學習、推理、協(xié)商、交互機制等理論，基于自主送貨機器人、診斷助手、智能輔導系統(tǒng)和交易智能體四個原型應用，在一個連貫的框架下研究智能體的設計、構

本書主要關注如何構建高能效具有學習能力的脈沖型神經(jīng)元網(wǎng)絡硬件，并且提供建立具有學習能力的脈沖型神經(jīng)元網(wǎng)絡硬件協(xié)同設計、協(xié)同優(yōu)化方法。完整地描述從高級算法到底層硬件實現(xiàn)的細節(jié)。本書同樣涵蓋了脈沖型神經(jīng)元網(wǎng)絡中的許多基礎知識和關鍵點。 本書從對脈沖型神經(jīng)元網(wǎng)絡的概述開始，討論基于速率的人工神經(jīng)網(wǎng)絡的應用和訓練，介紹實現(xiàn)神經(jīng)