●本書首先介紹AI與AI安全的發(fā)展起源、世界主要經(jīng)濟(jì)體的AI發(fā)展戰(zhàn)略規(guī)劃，給出AI安全技術(shù)發(fā)展脈絡(luò)和框架，并從AI安全實(shí)戰(zhàn)出發(fā)，重點(diǎn)圍繞對(duì)抗樣本、數(shù)據(jù)投毒、模型后門等攻擊技術(shù)進(jìn)行案例剖析和技術(shù)講解；然后對(duì)預(yù)訓(xùn)練模型中的風(fēng)險(xiǎn)和防御、AI數(shù)據(jù)隱私竊取攻擊技術(shù)、AI應(yīng)用失控的風(fēng)險(xiǎn)和防御進(jìn)行詳細(xì)分析，并佐以實(shí)戰(zhàn)案例和數(shù)據(jù)；最后

本書主要論述信息融合技術(shù)及其應(yīng)用，介紹不同技術(shù)的信息融合算法，包括基于稀疏/協(xié)作表示、高斯過(guò)程隱變量模型、多視角和多特征學(xué)習(xí)、貝葉斯模型、度量學(xué)習(xí)、權(quán)重分類器方法融合和深度學(xué)習(xí)等；講述這些融合方法在圖像分類、域自適應(yīng)、人臉識(shí)別、疾病檢測(cè)和圖像檢索等領(lǐng)域的應(yīng)用，并使用多個(gè)數(shù)據(jù)庫(kù)驗(yàn)證了上述方法的有效性和優(yōu)越性。本書可供從事

《運(yùn)籌優(yōu)化常用模型、算法及案例實(shí)戰(zhàn)》主要講述運(yùn)籌優(yōu)化領(lǐng)域常用的數(shù)學(xué)模型、精確算法以及相應(yīng)的代碼實(shí)現(xiàn)。首先簡(jiǎn)要介紹基本理論，然后用豐富的配套案例講解多個(gè)經(jīng)典的精確算法框架，最后結(jié)合常用的優(yōu)化求解器（CPLEX和Gurobi）說(shuō)明如何用Python和Java語(yǔ)言實(shí)現(xiàn)書中提到的所有精確算法。全書共分3部分。第I部分（第1~4

k-均值問(wèn)題是經(jīng)典組合優(yōu)化問(wèn)題,也是著名的NP-難問(wèn)題之一,相應(yīng)的Lloyd算法是數(shù)據(jù)挖掘的十大經(jīng)典算法之一.k-均值問(wèn)題在人工智能、數(shù)據(jù)挖掘、理論計(jì)算機(jī)科學(xué)、運(yùn)籌學(xué)和管理科學(xué)中有著廣泛的應(yīng)用.本書介紹k-均值問(wèn)題及其變形的基于隨機(jī)抽樣、降維、核心集、近似質(zhì)心集、局部搜索、線性規(guī)劃舍入等技術(shù)的近似算法.主要內(nèi)容包括:經(jīng)

人工智能領(lǐng)域一直以來(lái)堅(jiān)信：只要人工智能系統(tǒng)能產(chǎn)生類似于人類的行為，它就是智能的。于是，我們看到了能夠打敗國(guó)際象棋guan軍的計(jì)算機(jī)棋手，能夠根據(jù)路況選擇行駛路線的無(wú)人駕駛汽車，能夠做手術(shù)的醫(yī)生……人們甚至開(kāi)始擔(dān)憂：有朝一日，機(jī)器人會(huì)不會(huì)超越人類，進(jìn)而奴役人類？ 在《新機(jī)器智能》一書中，科技界

理解TensorFlow模型模式和ML工作流中的最佳實(shí)踐。 使用代碼段作為構(gòu)建TensorFlow模型和工作流的模板。 通過(guò)集成TensorFlowHub中的預(yù)建模型節(jié)省開(kāi)發(fā)時(shí)間。 使用加速器集群（如GPU或TPU）充分利用分布式訓(xùn)練。 對(duì)數(shù)據(jù)攝取、訓(xùn)練模型、模型保存和推理做出明智的設(shè)計(jì)選擇。

研究張量，這是機(jī)器學(xué)習(xí)中最基本的結(jié)構(gòu)。 通過(guò)一個(gè)真實(shí)示例完成數(shù)據(jù)與張量的來(lái)回轉(zhuǎn)換。 使用TensorFlow.js結(jié)合AI和Web。 使用資源轉(zhuǎn)換、訓(xùn)練和管理機(jī)器學(xué)習(xí)數(shù)據(jù)。 從頭開(kāi)始構(gòu)建和訓(xùn)練你自己的訓(xùn)練模型。

本書針對(duì)深度學(xué)習(xí)及開(kāi)源框架——PyTorch，采用簡(jiǎn)明的語(yǔ)言進(jìn)行知識(shí)的講解，注重實(shí)戰(zhàn)。全書分為4篇，共19章。深度學(xué)習(xí)基礎(chǔ)篇（第1章~第6章）包括PyTorch簡(jiǎn)介與安裝、機(jī)器學(xué)習(xí)基礎(chǔ)與線性回歸、張量與數(shù)據(jù)類型、分類問(wèn)題與多層感知器、多層感知器模型與模型訓(xùn)練、梯度下降法、反向傳播算法與內(nèi)置優(yōu)化器。計(jì)算機(jī)視覺(jué)篇（第7章~

隨著云計(jì)算、大數(shù)據(jù)等的快速發(fā)展，越來(lái)越多的組織用信息化手段進(jìn)行流程管理。如何提升流程執(zhí)行的智能化程度、動(dòng)態(tài)性和柔性，以提高對(duì)非標(biāo)準(zhǔn)業(yè)務(wù)的管理效率，是流程管理面臨的一個(gè)重要問(wèn)題。 本書基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動(dòng)推薦方法，分別為基于用戶類別近鄰的活動(dòng)推薦方法、基于Pearson相關(guān)系數(shù)的活動(dòng)

本書通過(guò)扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對(duì)深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書共三篇，第一篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)方向的一些卷積神經(jīng)網(wǎng)絡(luò)，從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級(jí)CNN、模型架構(gòu)搜索3個(gè)方向展開(kāi)，介紹計(jì)算機(jī)視覺(jué)方向的里程碑算法；第二篇主要介紹深度學(xué)習(xí)在自然語(yǔ)言處理方向的重要突破，包括基