本書從技術(shù)價值、存在風(fēng)險、倫理治理的維度介紹相關(guān)內(nèi)容，旨在使讀者全面地理解、掌握人工智能倫理方法，通過案例分析使讀者能夠運用這些方法解決現(xiàn)實世界中的問題。本書較為全面地介紹了人工智能倫理概念及人工智能應(yīng)用倫理等方面的知識，分為基礎(chǔ)篇、理論篇、應(yīng)用篇三部分，共16章。本書適用于所有理工科、社會科學(xué)專業(yè)學(xué)生作為人工智能通識

本書系統(tǒng)地介紹了人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識、工作原理及應(yīng)用實例，旨在幫助讀者深入掌握人工神經(jīng)網(wǎng)絡(luò)的設(shè)計及應(yīng)用方法。全書共分10章，涵蓋從基礎(chǔ)理論到典型神經(jīng)網(wǎng)絡(luò)設(shè)計的各個方面。前兩章詳細講解了人工神經(jīng)網(wǎng)絡(luò)的基本概念、結(jié)構(gòu)及工作原理，為后續(xù)的神經(jīng)網(wǎng)絡(luò)設(shè)計奠定理論基礎(chǔ)。隨后的章節(jié)重點介紹了不同類型的典型神經(jīng)網(wǎng)絡(luò)，包括結(jié)構(gòu)設(shè)計方法

本書采用“理論+應(yīng)用+操作實踐”相結(jié)合的方式，深入淺出地介紹生成式人工智能及大模型的基礎(chǔ)知識。書中精選典型案例，展示大模型在各行業(yè)的應(yīng)用，并通過Transformer架構(gòu)，詳細解析生成式人工智能及大模型的核心原理與技術(shù)演進。此外，本書還通過文本生成、圖像生成、視頻生成等應(yīng)用場景，指導(dǎo)讀者學(xué)習(xí)AI工具的使用。本書體系完整

本書內(nèi)容涵蓋從人工智能的起源、發(fā)展到前沿技術(shù)的多個方面，包括人工智能基礎(chǔ)概念、數(shù)學(xué)素養(yǎng)與計算思維、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、智能體技術(shù)、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、圖像識別與計算機視覺、自然語言處理與大語言模型、生成式人工智能、機器人及其智能化、群體智能等核心技術(shù)，同時結(jié)合大量實戰(zhàn)練習(xí)和項目，強調(diào)理論與實踐并重。書中特別

本書共分四個部分15章，全面系統(tǒng)地介紹了生成式AI的基礎(chǔ)理論、核心技術(shù)、應(yīng)用場景以及社會影響，既突出生成式人工智能技術(shù)，又重視AIGC應(yīng)用，旨在為讀者提供一個全面、深入且實用的學(xué)習(xí)平臺，幫助讀者快速掌握生成式人工智能的精髓及其在各領(lǐng)域的應(yīng)用實踐。

本書是系統(tǒng)介紹生成式人工智能基本概念、技術(shù)風(fēng)險及其治理方案的人文社會科學(xué)類讀物。書中簡要介紹了生成式人工智能的底層邏輯與技術(shù)架構(gòu)，結(jié)合醫(yī)療、金融、教育、法律等具體場景分析了生成式人工智能的落地應(yīng)用，進而對其未來圖景提出預(yù)測和想象。在此基礎(chǔ)上，重點探討和分析了生成式人工智能潛在的數(shù)據(jù)、算法、模型等技術(shù)風(fēng)險，并嘗試探索其治

本書從人工智能導(dǎo)論、人工智能編程基礎(chǔ)、人工智能計算平臺、人工智能網(wǎng)絡(luò)環(huán)境、人工智能基本技術(shù)、大模型及其應(yīng)用技術(shù)、機器學(xué)習(xí)及其應(yīng)用等七個維度布局內(nèi)容。

本書共6章，內(nèi)容包括：控制系統(tǒng)的數(shù)學(xué)模型、控制系統(tǒng)的時域分析法、控制系統(tǒng)的根軌跡分析法、控制系統(tǒng)的頻域分析法等。

本書共7章，第1章緒論，介紹人工智能的概念和發(fā)展簡史，當(dāng)前發(fā)展方向、研究熱點，基本研究內(nèi)容、所采用的研究方法；第2章討論傳統(tǒng)經(jīng)典人工智能的知識表示、知識工程、搜索技術(shù)、群智能算法、知識圖譜、專家系統(tǒng)和規(guī)劃技術(shù)等基本知識；第3章介紹實踐人工智能應(yīng)用的編程語言Python；第4章以Scikit-learn為基礎(chǔ)介紹機器學(xué)習(xí)

本書提出了以下推薦方法：基于“字符－短語”注意力機制和因子分解機的混合推薦方法和基于“局部－整體”注意力和文本匹配機制的推薦方法，旨在通過獲取更多信息和提升模型特征提取能力，來實現(xiàn)更精準(zhǔn)的個性化推薦；基于層次注意力和增強經(jīng)驗優(yōu)先回放機制的深度強化學(xué)習(xí)推薦方法和基于自適應(yīng)元模仿學(xué)習(xí)的推薦環(huán)境模擬器，旨在突破深度強化學(xué)習(xí)在