运用PyTorch 探索自然语言处理与机器学习！这是一本兼顾理论基础和工程实践的入门级教程，基于 PyTorch，揭示自然语言处理的原理，描绘经典学术研究脉络，通过实践与项目展现技术与应用的细节，并提供可扩展阅读的论文出处。

本书以HCIP-Security和HCIE-Security认证考试大纲为依托，介绍了防火墙和VPN的关键技术，包括安全策略、NAT、双机热备、虚拟系统、链路负载均衡、服务器负载均衡、L2TP VPN、IPSec VPN和SSL VPN。本书详细介绍了每一种技术的产生背景、技术实现原理、配置方法，旨在帮助读者掌握组建安全通信基础设施的技术和能力，顺利通过认证考试。本书是学习和了解网络安全技术的实用指南，内容全面，通俗易懂，实用性强，适合网络规划工程师、网络技术支持工程师、网络管理员以及想了解网络安全技术的读者阅读。

神经网络与深度学习是人工智能研究的重要领域，是机器学习的重要组成部分。人工智能是研究理解和模拟人类智能、智能行为及其规律的科学。本书紧紧围绕神经网络和深度学习的基础知识体系进行系统的梳理，力求从基础理论、经典模型和前沿应用展开论述，便于读者能够较为全面地掌握深度学习的相关知识。全书共 16 章。第 1 章是绪论，简要介绍人工智能、机器学习、神经网络与深度学习的基本概念及相互关系，并对神经网络的发展历程和产生机理进行阐述；第2章介绍神经网络的基本神经元模型、网络结构、学习方法、学习规则、正则化方法、模型评估方法等基础知识；第3～8章介绍多层感知器神经网络、自组织竞争神经网络、径向基函数神经网络、卷积神经网络、循环神经网络、注意力机制与反馈网络；第9章介绍深度学习网络优化的相关内容；第 10～13章介绍受限玻尔兹曼机和深度置信网络、栈式自编码器、生成对抗网络和图神经网络；第 14 章介绍深度强化学习；第15章介绍深度学习的可解释性；第16章介绍多模态预训练模型。深度学习是源于对含有多个隐藏层的神经网络结构进行的研究，以便建立和模拟人脑的学习过程。本书整理了人工神经网络从简单到复杂的模型，归纳和总结了神经网络的理论、方法和应用实践。本书可以作为高等院校人工智能及相关专业或非计算机专业的参考用书，也可以作为人工智能领域的科技工作者或科研机构工作人员的参考用书。

这是一本讲解如何基于当前主流的智能芯片RK3399Pro与RK3588进行端侧智能开发的著作，它将指导读者如何基于这两款芯片进行算法的设计与实施，瑞芯微官方推荐。理论部分，以深度学习为主线，针对零基础的读者，不仅讲解了卷积神经网络、循环神经网络等深度神经网络的原理以及它们在计算机视觉、自然语言处理、语音识别等领域的经典算法，还讲解了深度神经网络的训练和模型优化。实践部分，以基于RK3399Pro与RK3588两款智能芯片的端侧智能开发为主线，讲解了芯片的功能架构、开发板及其开发环境、Rock-X API组件库，以及基于它们的各种端侧智能应用开发，包括各种神经网络的开发、神经网络的运算加速等，让读者掌握深度学习模型从设计、训练、优化到端侧部署的完整流程，快速学会人工智能应用的开发。

本书从人工智能、机器学习和深度学习三者的关系开始，以深度学习在计算机视觉、自然语言处理和推荐系统的应用实践为主线，逐步剖析模型原理和代码实现。书中的内容深入浅出，通过原理与代码结合、产业实践和作业结合的方式，帮助读者更好地掌握深度学习的理论知识和深度学习开源框架的使用方法。为了让更多的读者从中受益，快速应对复杂多变的AI应用，书中还 介绍了各种模型资源和辅助工具，旨在帮助读者在人工智能的战场上和“AI大师”一样无往不利。 人工智能是一门跨学科的技术，本书既可作为深度学习的入门读物，又可作为人工智能或相关学科本科生和研究生的教材，还可供AI爱好者和从业者使用。

本书适合那些对人工智能感兴趣，且具备一定移动终端应用程序开发经验的读者。如果您掌握一定的JAVA 、C++或Python语言开发知识，同时具备Android操作系统或IOS操作系统的应用的开发经验，将能迅速掌握基本的移动终端人工智能应用开发方法。如果您只是对人工智能技术感兴趣，相信本书也能带您了解人工智能技术是如何在移动终端上部署和运行的。

本书基于《人工智能训练师国家职业技能标准（2021年版）》，对“人工智能训练师”这一新兴职业给予了清晰的描述。全书从人工智能的相关技术入手，介绍了人工智能领域的发展历程和相关知识，重点讲述了人工智能训练师的职业技能鉴定要求和各等级从业人员工作要求，讲述了人工智能训练师相关的工作内容及流程方法，包括数据采集和处理、数据标注、智能系统运维、业务分析、智能训练、智能系统设计、培训与指导等方面，对人工智能训练相关工作做了系统的描述和指导。本书可以帮助新入行的人员较快熟悉行业知识和岗位技能，帮助已入行的人员明晰自身的岗位能力定位和职业发展方向。

自然语言在语法、语义和语用三个平面上的结构统称为语言结构，通过计算得到语言结构是自然语言理解的核心任务。语言结构计算可以泛化为识别语言单元和建立语言单元之间的关系、为语言单元和关系赋予属性的过程。本书利用网格结构分析语言单元和关系，通过键值方式对其属性进行描述和计算，采用数据表解析不同类型的知识，借助有限状态自动机剖析语言的具体应用场景。这种基于网格的自然语言结构分析框架（Grid based Parsing Framework，GPF）具有良好的包容性，通过可编程的脚本和数据交换标准接口，融合了深度学习的参数计算和基于符号的知识计算。GPF为自然语言处理研究和应用提供了新的研究思路和计算框架。 本书适合专业为自然语言处理、计算语言学以及与语言学本体研究有关的学生当作教材，也可以作为高等院校人工智能、信息科学研究、大数据分析等相关专业的参考书。同时，本书也适合对语料库建设与应用感兴趣的人员阅读。

本书全面综合地介绍了知觉学习的现象、理论和应用，重点关注视觉领域。本书首先对知觉学习的原理进行阐述，然后探讨知觉学习的基本现象（学习和迁移）和机制（噪声特性、生理学证据）。同时，介绍知觉学习的计算模型，强调反馈对知觉学习的重要性，并讨论任务、注意力和奖励在知觉学习中的作用，对比视觉知觉学习和其他感官领域学习，讨论知觉学习的现有应用，并提出优化框架。本书适合知觉学习领域的学生、研究人员及相关从业者阅读参考。

本书主要面向光电信息科学与工程专业的本科实验教学。全书共8章，内容涵盖光电信息实验基础知识、应用光学的8个实验项目、物理光学的8个实验项目、激光原理与技术的8个实验项目、光纤原理与技术的6个实验项目、光电图像处理技术的6个实验项目、光电子学实验的6个实验项目以及半导体物理的6个实验项目，共计48个实验项目。实验项目内容在精选经典光电信息实验项目的基础上，新增设计了16个新型光电信息实验项目，将激光、光学、光纤、图像处理、半导体等技术领域近期新的科研进展引入教学实验，以适应光电信息技术快速发展的要求。