本書重點圍繞眾智科學智能理論與計算方法展開介紹，主要內(nèi)容包括眾智的定義和建模、眾智的分析與計算方法、單個智能體和多個智能體的智能進化方法、眾智水平分析方法，以及眾智科學智能理論在典型場景的應(yīng)用。

概念認知學習是人工智能、大數(shù)據(jù)領(lǐng)域關(guān)注的多學科交叉研究方向，涵蓋了哲學、數(shù)學、心理學、認知科學以及信息科學等領(lǐng)域．《概念認知學習理論與方法》旨在為廣大學者和科研工作者提供概念認知學習領(lǐng)域的基礎(chǔ)理論與學習方法．《概念認知學習理論與方法》主要內(nèi)容包括概念認知學習的基本概念和基礎(chǔ)知識、概念認知系統(tǒng)的邏輯推理、概念認知的雙向?qū)W

本書講解了搜索算法的相關(guān)知識，內(nèi)容包括算法問題中涉及的基本數(shù)據(jù)結(jié)構(gòu)和復(fù)雜度分析，及狀態(tài)空間、樹、圖等較復(fù)雜的數(shù)據(jù)結(jié)構(gòu)；同時，通過相關(guān)實例，講解了各類搜索方法及線性規(guī)劃與非線性規(guī)劃；也重點解讀了組合優(yōu)化問題和群智能算法。全書內(nèi)容包含了搜索算法所能用到的核心方法和技術(shù)，另附三個附錄，分別講解了類與繼承以及博弈基礎(chǔ)等。

8大專題內(nèi)容深度講解、80多個熱門、高頻的ChatGPT+Excel智能辦公案例實戰(zhàn)！ 130多分鐘教學視頻講解、130頁PPT教學課件、170多款素材與效果文件超值贈送！ 全書通過理論+實例的形式，分別介紹了掌握Excel基本操作、加速輸入數(shù)據(jù)資料、掌握ChatGPT基本用法、用ChatGPT統(tǒng)計求和、用Chat

本書立足于AIGC技術(shù)前沿與發(fā)展趨勢，全面闡述了AIGC的概念內(nèi)涵、底層技術(shù)與應(yīng)用場景，詳細梳理全球科技巨頭在AIGC領(lǐng)域的戰(zhàn)略布局，并輔之以大量生動有趣的案例，深度剖析AIGC在各行業(yè)領(lǐng)域的應(yīng)用場景，旨在引導讀者真切感受AIGC革命浪潮蘊含的商業(yè)創(chuàng)造力。 全書分為五個部分，共18章。第一部分主要厘清AIGC技術(shù)的起

本書系統(tǒng)地介紹了人工智能的基本概念、主要方法及代表性模型算法。本書根據(jù)人工智能的知識體系，在兼顧傳統(tǒng)的人工智能方法的基礎(chǔ)上，重點突出前沿性內(nèi)容，并對自動推理、遺傳算法、神經(jīng)網(wǎng)絡(luò)、啟發(fā)式優(yōu)化、機器學習、異常檢測、梯度下降、邏輯回歸、反向傳播、卷積網(wǎng)絡(luò)、語言模型、詞向量等常見技術(shù)進行詳細闡述和討論。本書結(jié)合應(yīng)用安排了示例和

本書以項目實踐作為主線，結(jié)合必需的理論知識，以任務(wù)的形式進行內(nèi)容設(shè)計，每個任務(wù)都包含任務(wù)描述及任務(wù)實施的步驟，讀者按照實施步驟進行操作就可以完成相應(yīng)的學習任務(wù)，從而不斷提升項目實踐能力。本書主要內(nèi)容涉及機器學習的基礎(chǔ)知識，模型評估與選擇，回歸、分類、聚類等機器學習算法，數(shù)據(jù)挖掘的基礎(chǔ)知識，數(shù)據(jù)分析與應(yīng)用，以及通過用戶行

本書對應(yīng)課程屬于一門概論性課程。本書將傳統(tǒng)的和新一代的人工智能/智能制造融于一體，從傳承與發(fā)展視角出發(fā)概述人工智能與智能制造的發(fā)展現(xiàn)狀及其相互關(guān)系，重點闡述人工智能與智能制造共性基礎(chǔ)技術(shù)、知識驅(qū)動的符號智能、數(shù)據(jù)驅(qū)動的機器學習、智能制造理論與技術(shù)體系、智能制造的物理系統(tǒng)和信息系統(tǒng)，并指出人工智能與智能制造的未來發(fā)展方向

本書以PyTorch深度學習的常用技術(shù)與真實案例相結(jié)合的方式，深入淺出地介紹使用PyTorch實現(xiàn)深度學習應(yīng)用的重要內(nèi)容。本書共7章，內(nèi)容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎(chǔ)、手寫漢字識別、文本生成、基于CycleGAN的圖像風格轉(zhuǎn)換、基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)文本生成

本書系統(tǒng)介紹了眾包學習的概念、應(yīng)用領(lǐng)域、前沿課題和研究實踐。在基礎(chǔ)知識方面，本書介紹了眾包的起源與發(fā)展、眾包技術(shù)的研究方向，分析眾包模式給機器學習帶來的機遇與挑戰(zhàn)。在前沿技術(shù)方面，本書詳細闡述了眾包標注真值推斷與面向眾包標注數(shù)據(jù)的預(yù)測模型學習等前沿研究課題。在研究實踐方面，本書介紹了面向偏置標注的眾包標簽真值推斷、基于