大气科学中的人工智能技术

　　本书是一本专为大气科学领域的本科生和研究人员编写的教科书，旨在培养具备大气科学、人工智能、大数据技术等跨学科知识和技能的未来人才。内容包括：人工智能基础篇，介绍人工智能的基本概念、数据预处理、特征提取、降维技术和数据可视化方法；自然启发的人工智能篇，讲授进化算法、群体智能算法等自然启发算法的基本原理；机器学习基础篇，涵盖线性模型、决策树、集成学习模型、支持向量机、朴素贝叶斯算法和聚类算法等经典机器学习算法；深度学习基础篇，介绍前馈神经网络、卷积神经网络、循环神经网络、注意力机制、Transformer模型、图神经网络、生成对抗网络（GANs）和扩散模型等深度学习技术；人工智能拓展篇，介绍表征学习、自监督学习、迁移学习、强化学习、联邦学习、时间序列分析、自然语言处理、图像和视频生成及气象大模型等前沿技术；人工智能可解释性技术篇，讲解机器学习模型的可解释性技术和人工智能因果推理。本书不仅提供了全面的知识体系，还注重培养读者的实践能力，通过丰富的实际案例，提升解决问题的能力。读者将掌握人工智能的基本理论和方法，熟练应用机器学习和深度学习技术，解决大气科学中的实际问题，提升天气预报和大气科学中的分析能力。

暂缺《大气科学中的人工智能技术》作者简介

序
前言
第一部分人工智能基础篇
第1章人工智能基础
1.1什么是人工智能
1.1.1人工智能的定义
1.1.2人工智能的发展历程
1.2数据科学、机器学习与深度学习
1.2.1数据科学
1.2.2机器学习
1.2.3深度学习
1.3人工智能方法分类
1.3.1监督学习
1.3.2无监督学习
1.3.3半监督学习
1.3.4自监督学习
1.3.5迁移学习
……