使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數(shù)，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識。基于梯度的算法（例如加速梯度法、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書是入門階段的人工智能技術讀物，使讀者獲得人工智能的入門知識和基本的人工智能思維模式與動手能力，主要內(nèi)容包括人類智能與人工智能的關系、人工智能的定義、人工智能六大實現(xiàn)途徑、智能系統(tǒng)的動手實踐等，為學校開展人工智能入門教學或者讀者自學人工智能技術提供參考和指南。

本書基于循序漸進培養(yǎng)兒童數(shù)學核心概念和邏輯思維的培養(yǎng)目標，用故事情景和實物化編程游戲工具，引導孩子在角色扮演和對圖形化程序指令符號的理解執(zhí)行過程中，訓練孩子用計算思維解決問題，使抽象枯燥的數(shù)學教育和編程教育變成生動活潑、充滿童趣，又富有互動性的學習體驗。 附帶教學教案和教具

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡的主要理論和設計基礎，給出了大量應用實例，旨在使讀者了解神經(jīng)網(wǎng)絡的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應用，掌握其結構模型和基本設計方法，為以后的深入研究和應用開發(fā)打下基礎。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡的發(fā)展歷史、基本特征與功能、應用領域及基礎知識，第3~10章展開介

人工智能是一項高科技技術，也是計算機技術的一個重要分支，此技術是以人工的方法，對人類的行動和思維進行模仿，同時在人的智能基礎上進行拓展。人工智能應用面比較廣泛，可代替人類進行各個方面的工作，可以說大大提高了人類在日常生活工作中的效率。但人工智能具有兩面性，對人類有好的一面也有不好的一面。因此，本書將結合人工智能技術的發(fā)

本書是《動手學深度學習》的重磅升級版本，選用PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。 本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出基礎的神經(jīng)網(wǎng)絡——多層感知機

本書是近年來作者對混合智能系統(tǒng)研究成果及經(jīng)驗的總結。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設計科學的思想為基礎，以基于案例推理的混合智能系統(tǒng)技術選擇為核心，依據(jù)“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反

機器學習是人工智能的一個方向。它是一門多領域交叉學科，涉及概率論、統(tǒng)計學、矩陣論、神經(jīng)網(wǎng)絡、計算機等多門學科。其目標是使用計算機模擬或實現(xiàn)人類學習活動，從現(xiàn)有大量的數(shù)據(jù)中學習，利用經(jīng)驗不斷改善系統(tǒng)性能。機器學習步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預處理、建立模型、模型評估和預測。本書共6章。第1章節(jié)主要介紹機器學習的基本概念及其

2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學開設人工智能相關課程，并提倡以計算思維為指導，將信息技術課程從技術導向轉換為科學導向。因此，機器學習作為人工智能技術的內(nèi)核，走入我國廣大中小學生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學習模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框

本書的主體內(nèi)容包括機器學習概念與特征工程、機器學習技術、模型關系管理，其中，模型關系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經(jīng)網(wǎng)絡集成和網(wǎng)絡結構設計形成深