本書指導讀者學習如何使用生成媒體技術與人工智能創(chuàng)建新穎的圖像或音樂。數(shù)據(jù)科學家和軟件工程師將了解最先進的生成模型是如何工作的，如何根據(jù)您的需求進行微調和調整，以及如何結合現(xiàn)有的構建塊來創(chuàng)建不同領域的新模型和創(chuàng)造性應用程序。本書以直觀的方式介紹了理論概念，并提供了大量的代碼示例和插圖，您可以在諸如Googlecollab

諸如ChatGPT和DALL-E這樣的大型語言模型(LLM)和擴散模型擁有前所未有的潛力。通過使用互聯(lián)網上的公共文本和圖像進行訓練，這些模型能夠為各種任務提供幫助。而且，隨著準入門檻的顯著降低，幾乎任何開發(fā)人員都可以利用AI模型來解決以前不適合自動化的問題。借助本書，你將在生成式人工智能方面打下堅實的基礎，學會如何在實

本書為再版教材，內容上包括經典控制理論的線性定常系統(tǒng)理論(時分析法、根軌跡法、頻率響應法等)，非線性系統(tǒng)理論和線性離散(時間)控制系統(tǒng)理論等。本書在原有保持課程內容的系統(tǒng)性和連貫性的基礎上，增設了導讀部分，細致介紹了各章學習內容與學習目標，重點突出學習重難點，篇幅精簡。各章均有較豐富的例題和習題，便于讀者自學。

本書介紹了在人工智能與大數(shù)據(jù)時代背景下，網絡表示學習的理論與應用。提出了網絡表示學習的關鍵在于將網絡中的節(jié)點映射到低維空間，形成能夠反映節(jié)點間復雜關系的向量表示。書中討論了各種先進的網絡表示學習方法，如基于圖注意力機制、圖自編碼器和深度學習技術，并提供了大量實驗和案例分析，展示了這些方法在不同數(shù)據(jù)集上的應用效果。這些案

人工智能已在多個行業(yè)得到成功應用，大模型的應用已成為突破性進展的重要驅動力，而在特定垂直領域，如醫(yī)療、法律、金融等，大模型微調面臨獨特的挑戰(zhàn)和需求。本書致力于大型語言模型微調與應用的關鍵技術，探討兩個熱門應用方向：大模型的知識專業(yè)性和時效性。剖析了垂直領域大模型訓練的背景及意義，探討大模型在垂直領域的遷移學習、應用部署

本書共12章，內容涵蓋傳統(tǒng)人工智能技術、現(xiàn)代人工智能技術以及近年來人工智能技術應用三大部分，旨在展示人工智能技術的發(fā)展歷程。在傳統(tǒng)人工智能技術部分，本書討論了問題求解與搜索技術、歸結推理、不確定性推理與專家系統(tǒng)，以及遺傳算法、蟻群算法、鳥群算法和粒子群算法等經典算法。在現(xiàn)代人工智能技術部分，本書介紹了機器學習中的監(jiān)督學

隨著人工智能技術的發(fā)展，智能無人系統(tǒng)成為其中一個重要的研究領域。本書全面介紹智能無人系統(tǒng)的基本概念、主要類型、基礎理論、關鍵技術以及主要應用。具體包括：智能無人系統(tǒng)的由來、智能無人系統(tǒng)感知、智能無人系統(tǒng)控制與決策、智能無人系統(tǒng)智能技術、空中智能無人系統(tǒng)、空間智能無人系統(tǒng)、地面智能無人系統(tǒng)、水中智能無人系統(tǒng)、醫(yī)用智能無人

人工智能是新一輪科技革命和產業(yè)變革的重要驅動力，是新質生產力的突出代表。融合了人工智能等新興技術的數(shù)字經濟已成為引領經濟社會發(fā)展的重要力量。本書梳理了陳曉紅院士團隊近年來在人工智能與數(shù)字經濟領域的部分學術論文與理論文章，由理論研究、技術創(chuàng)新、經濟發(fā)展、社會治理四篇組成，包括數(shù)字經濟理論體系、兩型工程管理理論與實踐體系、

可信機器學習是機器學習的重要部分，是一門研究機器學習可信屬性的學科。本書將可信機器學習的屬性貫穿始終，全面系統(tǒng)地介紹可信機器學習的概念原則和技術方法。本書內容分六部分。第一部分詳細闡述可信機器學習的框架、機器學習生命周期以及安全性相關概念；第二部分針對機器學習中的數(shù)據(jù)介紹數(shù)據(jù)偏差、數(shù)據(jù)隱私等相關概念和解決方法；第三部分

"隨著人工智能和數(shù)字技術的飛速發(fā)展，深度學習已成為現(xiàn)代技術革新的核心驅動力之一。從語音識別到自動駕駛，深度學習的應用正在不斷改變人們的生活方式。然而，深度學習技術的復雜性和廣泛性，使得初學者和實踐者在理解與應用這些技術時面臨諸多挑戰(zhàn)。因此，本書對深度學習的基本理論、核心技術及實際應用進行了系統(tǒng)梳理，旨在幫助讀者全面掌握