本書深入探討了在網(wǎng)絡(luò)時(shí)代，專家系統(tǒng)在塑造社會信任方面的核心作用及其面臨的困境。本書選取公共衛(wèi)生事件作為研究的切入點(diǎn)，深入分析了專家系統(tǒng)對于風(fēng)險(xiǎn)社會中群體決策和輿論引導(dǎo)的重要性。書中不僅揭示了影響專家系統(tǒng)社會信任的內(nèi)生和外生因素，而且詳細(xì)討論了當(dāng)這種信任失效風(fēng)險(xiǎn)來臨時(shí)可能引發(fā)的多方面負(fù)面效應(yīng)，包括對媒體信任度、科學(xué)知識傳

針對國內(nèi)外推薦系統(tǒng)技術(shù)熱點(diǎn)問題，作者在推薦系統(tǒng)、深度學(xué)習(xí)學(xué)科領(lǐng)域基礎(chǔ)理論方面 從事多年深入探索研究，借鑒國內(nèi)外已有資料和前人成果，經(jīng)過分析論證，收集大量專 家學(xué)者近年來有關(guān)深度學(xué)習(xí)推薦系統(tǒng)前沿問題的論壇、講座和報(bào)告等展開研究，圍繞基 于內(nèi)容和知識的推薦、混合推薦、深度學(xué)習(xí)、基于深度學(xué)習(xí)的推薦以及輔助學(xué)習(xí)的推薦 等五個(gè)方

本書討論人工智能的理論和方法,我們從它的基本原理出發(fā),由此構(gòu)建它的理論和方法體系.本書由四部分組成,第一部分概論和算法,介紹并討論了它們的類型、特征、運(yùn)算和應(yīng)用,重點(diǎn)討論它們的定位問題.第二部分是學(xué)科,這就是人工智能和其他學(xué)科的關(guān)系問題.這些學(xué)科是生命科學(xué)、信息科學(xué)等六大學(xué)科.第三部分是系統(tǒng)和應(yīng)用,其中典型的有圖像、數(shù)

本書主要把握計(jì)算機(jī)科學(xué)與技術(shù)的發(fā)展趨勢，熟悉人工智能的前沿知識和研究熱點(diǎn)。本書從人工智能的概述出發(fā)，介紹了人工智能研究領(lǐng)域的基礎(chǔ)知識，與此同時(shí)，對人工智能領(lǐng)域的核心算法--機(jī)器學(xué)習(xí)技術(shù)展開詳細(xì)介紹，讓讀者掌握對相關(guān)技術(shù)的算法創(chuàng)新以及工程實(shí)踐等。該教材緊密聯(lián)系計(jì)算機(jī)學(xué)科中的人工智能前沿內(nèi)容和所涉及的項(xiàng)目實(shí)踐技術(shù)，讀者通過

本書闡述了邊緣智能的科學(xué)問題、基本原理、核心技術(shù)、落地方案及產(chǎn)業(yè)價(jià)值，全面介紹了人工智能服務(wù)應(yīng)如何釋放到數(shù)據(jù)源附近的網(wǎng)絡(luò)邊緣，并指出人工智能和邊緣計(jì)算結(jié)合的巨大市場潛力。內(nèi)容包括邊緣智能的發(fā)展背景、應(yīng)用場景、以及一系列邊緣智能與云邊端協(xié)同、機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)、區(qū)塊鏈等技術(shù)共同部署應(yīng)用的核心技術(shù)點(diǎn)與架構(gòu)方案。此

機(jī)器學(xué)習(xí)雖然在改進(jìn)產(chǎn)品性能、產(chǎn)品流程和推進(jìn)研究方面有很大的潛力，但仍面臨一大障礙——計(jì)算機(jī)無法解釋其預(yù)測結(jié)果。因此，本書旨在闡明如何使機(jī)器學(xué)習(xí)模型及其決策具有可解釋性。本書探索了可解釋性的概念，介紹了許多簡單的可解釋模型，包括決策樹、決策規(guī)則和線性回歸等。本書的重點(diǎn)是模型不可知方法，用于解釋黑盒模型（如特征重要性和累積

在人工智能飛速發(fā)展的今天，大眾對于這一前沿技術(shù)仍感神秘且難以窺探其深。為此，本書針對人工智能的核心問題進(jìn)行了深入剖析，旨在幫助讀者揭開其神秘面紗。本書的主要內(nèi)容圍繞以下問題展開：什么是人工智能？人工智能能否解釋其決策？它能否承擔(dān)法律責(zé)任？它是否具有代理權(quán)？人類應(yīng)該保留對這類系統(tǒng)的何種控制權(quán)，是否取決于所做決策的類型？如

本書以統(tǒng)一而較簡明的方式介紹人工智能算法在數(shù)值求解復(fù)雜系統(tǒng)中的基本方法及最新進(jìn)展。首先從人工智能與機(jī)器學(xué)習(xí)的基礎(chǔ)算法開始講解，從最基礎(chǔ)的反向傳播神經(jīng)網(wǎng)絡(luò)模型開始，介紹一些經(jīng)典的機(jī)器學(xué)習(xí)算法的基礎(chǔ)及其原理。然后從一階常微分方程初值問題引入，分別介紹了常微分方程、偏微分方程以及積分微分方程數(shù)值求解的經(jīng)典算法。隨后分別研究了

本書全面介紹TensorFlow2.x框架及其在深度學(xué)習(xí)中的應(yīng)用，內(nèi)容包括TensorFlow簡介、Python語言基礎(chǔ)、環(huán)境搭建與入門、TensorBoard可視化、多層感知機(jī)實(shí)現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)、生成對抗網(wǎng)絡(luò)和GPU并行計(jì)算等。

本書詳細(xì)闡述意圖驅(qū)動自智網(wǎng)絡(luò)的關(guān)鍵技術(shù)與應(yīng)用實(shí)例。內(nèi)容涵蓋意圖驅(qū)動自主智能網(wǎng)絡(luò)的基礎(chǔ)概念與背景，以及意圖智能轉(zhuǎn)譯、意圖閉環(huán)驗(yàn)證、自主策略生成、意圖態(tài)勢感知等意圖環(huán)路技術(shù)。此外，探討針對意圖驅(qū)動智能運(yùn)維、意圖驅(qū)動網(wǎng)絡(luò)負(fù)載均衡、意圖驅(qū)動6G編排和意圖驅(qū)動衛(wèi)星網(wǎng)絡(luò)管控等典型應(yīng)用案例。