海洋机器人科学与技术丛书（全套26册）

信念修正是人工智能的研究分支之一。在哲学，认知心理学和数据库更新等领域中，很早就有对信念修正的讨论和研究。AGM公设在20世纪70年代末被提出来，它是任何一个合理的信念修正算子应该满足的最基本条件。《R-演算：一种信念修正的逻辑》**作者李未院士在20世纪80年代中期提出R-演算，这是一个满足AGM公设，非单调的，并且类似于Gentzen推理系统的信念修正算子。《R-演算：一种信念修正的逻辑》对R-演算作多个视角的扩展，将为研究生寻找研究方向和研究思路提供一定帮助。

用Keras、TensorFlow、Core ML，以及TensorFlow Lite训练、微调并发布计算机视觉模型。为不同设备开发AI应用，包括Raspberry Pi、Jetson Nano，以及Google Coral。探索有趣的项目，从硅谷“热狗识别”应用程序到谷歌规模的图像搜索，以及40多个案例研究和行业实例。在电子游戏环境中模拟一辆自动驾驶汽车并用强化学习构建一个微型版自动驾驶汽车。使用迁移学习在几分钟内训练模型。发现50多个实用技巧，用以最Z大化模型准确度和速度、调试程序，以及将应用扩展到数百万用户规模。

本书以云原生（Cloud Native）技术为背景，讲述了 Serverless 的基本原理与实战应用。书中首先探讨 Serverless 与当前云计算技术和前端技术的关系，随后分别从 Serverless 的两大能力（FaaS 和 BaaS）展开，探讨了它们的历史由来和底层原理，并且结合实际应用场景，有针对性地提供了操作指南。本书从手动构建一套基于进程的 FaaS 架构开始，之后深入剖析云计算服务的内核，阐述其背后的原理和思想，从而让读者理解下一代软件架构的本质。 本书主要从前端研发人员的视角介绍 Serverless 的原理及应用。相信无论是希望更多了解服务端技术的前端研发人员，还是已经涉足后端但希望更多了解云原生技术的全栈工程师，或是希望通过 Serverless 提升团队研发效率的架构师，都会从阅读本书中获益良多。

《基于免疫机理和神经网络的智能故障诊断方法》详细阐述了基于免疫机理和神经网络的两种智能故障诊断新方法，主要包括基于免疫网络模型的改进的故障诊断算法、与粗糙集理论相结合的免疫网络故障诊断算法、基于量子超球神经网络的故障检测方法和基于云神经网络的故障诊断方法等8种方法。《基于免疫机理和神经网络的智能故障诊断方法》思路清晰、内容丰富、安排合理，各章相对独立，有利于读者学习参考。《基于免疫机理和神经网络的智能故障诊断方法》在重点阐述思想方法的基础上，追求对工程实践的指导性，力求使读者在较短的时间内学习掌握这些智能故障诊断新方法，并能在实际工程中熟练应用。

本书利用精美的插图和有趣的类比，对深度学习的主流技术和背后的原理进行了深入浅出的讲解，解释了什么是深度学习，深度学习流行的原因，以及深度学习与其他机器学习方法的关系。阅读本书，读者可以掌握卷积神经网络、循环神经网络、生成式对抗网络和深度强化学习等热门技术，学习TensorFlow、Keras和PyTorch等热门工具的使用，同时能够更深刻地理解计算机视觉、自然语言处理和游戏等领域的人工智能应用。本书还提供了简单明了的示例和代码，能够帮助读者动手实践。本书适合人工智能、机器学习、深度学习等领域的开发人员、数据科学家、研究人员、分析师和学生阅读。

本书以深度学习相关理论为主要研究方法，通过对声呐获取的水下声信号信息数据和水下声呐成像的图像信息数据进行处理，探讨了基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法、基于多维特征的深度学习水下声信号目标分类识别方法、基于 CWGAN GP&DR的改进 CNN水下声呐图像分类方法和基于类意识领域自适应的水下声呐图像无监督分类方法，为充分利用海洋信息数据提供了重要的理论研究基础和技术实践经验。 本书内容翔实，自成一体，可作为计算机科学与技术、水声工程、智能科学与工程等领域研究的重要参考书，也可作为相关科学领域的研究参考。

·学习如何通过变分自动编码器改变图像中人物的面部表情。 ·学习如何构建GAN模型，包括风格迁移模型CycleGAN以及音乐生成模型MuseGAN。 ·学习如何通过循环生成模型来生成文本，以及如何利用注意力机制改善模型。 ·学习如何利用生成模型帮助智能体在强化学习环境中完成任务。 ·探索Transformer（BERT、GPT-2），以及ProGAN和StyleGAN等图像生成模型的架构。

本书以TensorFlow为平台，从神经网络到深度学习由浅入深进行介绍，书中每章都以理论引出，以TensorFlow应用巩固结束，做到理论与实践相结合，使读者快速了解神经网络、深度学习等内容，同时领略利用TensorFlow解决这些问题的简单和快捷。本书共12章，主要内容包括TensorFlow软件介绍、计算机视觉与深度学习、深度神经网络的基础、全连接神经网络、卷积神经网络、高级卷积神经网络、循环神经网络、对抗神经网络、其他监督学习、非监督学习、自动编码机、强化学习等。

本书教你使用TensorFlow.js构建强大的JavaScript深度学习应用程序。本书作者均是谷歌大脑团队的资深工程师，也是TensorFlow.js的核心开发人员。你将了解JavaScript与深度学习结合的独特优势，掌握客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念，并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理，构建并训练神经网络，利用客户端数据优化机器学习模型，开发基于浏览器的交互式游戏，同时为深度学习探索新的应用空间。你还可以获得深度学习模型构建过程中不同问题所涉及的策略和相关限制的实用知识，同时了解训练和部署这些模型的具体步骤以及重要的注意事项。