深入深度神經網絡，揭開對抗性輸入如何欺騙深度神經網絡。 探討如何生成對抗性輸入去攻擊深度神經網絡。 探索真實對抗性攻擊場景和為對抗性威脅建模。 評估神經網絡的健壯性；學會增強人工智能系統(tǒng)應對對抗性數(shù)據的能力。 考察未來幾年可用哪些方式讓人工智能更擅長模擬人的感知。

本教材是一個機器學習工具箱，適用于計算機科學專業(yè)本科四年級或研究生一年級的學生。本書為那些想要使用機器學習過程來完成任務的人提供了許多主題，強調使用現(xiàn)有的工具和包，而不是自己重新編寫代碼。本書適用于從頭至尾的講授或閱讀，不同的講師或讀者有不同的需求。

內容簡介本書圍繞機器學習算法中涉及的概率統(tǒng)計知識展開介紹，沿著概率思想、變量分布、參數(shù)估計、隨機過程和統(tǒng)計推斷的知識主線進行講解，結合數(shù)學的本質內涵，用淺顯易懂的語言講透深刻的數(shù)學思想，幫助讀者構建理論體系。同時，作者在講解的過程中注重應用場景的延伸，并利用Python工具無縫對接工程應用，幫助讀者學以致用。?全書共5

本書通過講解監(jiān)督學習的兩大支柱——回歸和分類——將機器學習納入統(tǒng)一視角展開討論。書中首先討論基礎知識，包括均方、*小二乘和*大似然方法、嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹。然后介紹新近的技術，包括稀疏建模方法，再生核希爾伯特空間中的學習、支持向量機中的學習、關注EM算法的貝葉斯推理及其近似推理變分版本、蒙特卡

據聯(lián)合國預測，2050年全球將達到100億人口。本書認為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境�！癋EW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

語言智能處理一直是人工智能領域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關鍵技術與方法、發(fā)展趨勢與展望的基本脈絡，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術、語言情感分類、自然語言生成技術、自動問答與人機對話、機器翻譯、信息檢索與信息推薦等主題。本書所描述的內容涉及人們日常生活中的真實應用場景，理論與

本書對于機器學習的核心方法，進行了深入而詳細的介紹，并特別關注各學科*常用的算法。*特色在于力圖以生動的語言、較多的插圖與大量的實例來直觀地解釋機器學習的原理。同時，結合流行的R語言，及時地介紹相應的軟件操作與經典案例，為讀者提供一站式服務。本書還提供詳盡的數(shù)學推導，盡量避免跳躍，并輔以直觀的文字解釋。對于看似復雜的機

《寫給新手的深度學習——用Python學習神經網絡和反向傳播》一書以Python為基礎，不借助TensorFlow、PyTorch等任何框架，以淺顯易懂的語言，結合大量圖示，對機器學習、深度學習、AI相關技術中的通用技能進行了解說。主要內容包括深度學習的概念，Python基礎，深度學習必備數(shù)學知識，神經網絡的結構及編程

本書分為“基礎篇”與“應用篇”兩部分，共16章�！盎�礎篇”從人工智能背景、機器學習與深度學習的發(fā)展開始介紹，通俗易懂地講解深度學習的相關術語與算法，詳細介紹了多種操作系統(tǒng)中實驗環(huán)境的安裝部署�！皯�用篇”從簡單的視覺入門基礎MNIST手寫數(shù)字識別、CIFAR一10照片圖像物體識別等入手，到復雜的多層感知器預測泰坦尼克號上

《人工智能導論（第5版）》是一本基礎性強、可讀性好、適合講授的人工智能教材。作者希望讀者通過學習該書，能夠掌握人工智能的基本知識，并能了解人工智能研究的一些前沿內容，為進一步學習人工智能理論與應用奠定基礎。全書共11章。第1章緒論；第2章知識表示與知識圖譜；第3章確定性推理方法；第4章不確定性推理方法；第5章搜索求解策