本書深入探討了在網絡時代，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，深入分析了專家系統(tǒng)對于風險社會中群體決策和輿論引導的重要性。書中不僅揭示了影響專家系統(tǒng)社會信任的內生和外生因素，而且詳細討論了當這種信任失效風險來臨時可能引發(fā)的多方面負面效應，包括對媒體信任度、科學知識傳

針對國內外推薦系統(tǒng)技術熱點問題，作者在推薦系統(tǒng)、深度學習學科領域基礎理論方面 從事多年深入探索研究，借鑒國內外已有資料和前人成果，經過分析論證，收集大量專 家學者近年來有關深度學習推薦系統(tǒng)前沿問題的論壇、講座和報告等展開研究，圍繞基 于內容和知識的推薦、混合推薦、深度學習、基于深度學習的推薦以及輔助學習的推薦 等五個方

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、運算和應用,重點討論它們的定位問題.第二部分是學科,這就是人工智能和其他學科的關系問題.這些學科是生命科學、信息科學等六大學科.第三部分是系統(tǒng)和應用,其中典型的有圖像、數

本書主要把握計算機科學與技術的發(fā)展趨勢，熟悉人工智能的前沿知識和研究熱點。本書從人工智能的概述出發(fā)，介紹了人工智能研究領域的基礎知識，與此同時，對人工智能領域的核心算法--機器學習技術展開詳細介紹，讓讀者掌握對相關技術的算法創(chuàng)新以及工程實踐等。該教材緊密聯系計算機學科中的人工智能前沿內容和所涉及的項目實踐技術，讀者通過

本書闡述了邊緣智能的科學問題、基本原理、核心技術、落地方案及產業(yè)價值，全面介紹了人工智能服務應如何釋放到數據源附近的網絡邊緣，并指出人工智能和邊緣計算結合的巨大市場潛力。內容包括邊緣智能的發(fā)展背景、應用場景、以及一系列邊緣智能與云邊端協同、機器學習、強化學習、深度學習、區(qū)塊鏈等技術共同部署應用的核心技術點與架構方案。此

機器學習雖然在改進產品性能、產品流程和推進研究方面有很大的潛力，但仍面臨一大障礙——計算機無法解釋其預測結果。因此，本書旨在闡明如何使機器學習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？它能否承擔法律責任？它是否具有代理權？人類應該保留對這類系統(tǒng)的何種控制權，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值求解復雜系統(tǒng)中的基本方法及最新進展。首先從人工智能與機器學習的基礎算法開始講解，從最基礎的反向傳播神經網絡模型開始，介紹一些經典的機器學習算法的基礎及其原理。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值求解的經典算法。隨后分別研究了

本書全面介紹TensorFlow2.x框架及其在深度學習中的應用，內容包括TensorFlow簡介、Python語言基礎、環(huán)境搭建與入門、TensorBoard可視化、多層感知機實現、卷積神經網絡實現、循環(huán)神經網絡實現、強化學習、遷移學習、生成對抗網絡和GPU并行計算等。

本書詳細闡述意圖驅動自智網絡的關鍵技術與應用實例。內容涵蓋意圖驅動自主智能網絡的基礎概念與背景，以及意圖智能轉譯、意圖閉環(huán)驗證、自主策略生成、意圖態(tài)勢感知等意圖環(huán)路技術。此外，探討針對意圖驅動智能運維、意圖驅動網絡負載均衡、意圖驅動6G編排和意圖驅動衛(wèi)星網絡管控等典型應用案例。