人工智能
-
通用人工智能(美)赫伯特·L.罗埃布莱特(Herbert L.Roitblat)著至少从 20 世纪 50 年代起,人们就开始大肆宣传可能很快就会创造出一种能够与人类智能的全部范围和水平相匹配的机器。现在,我们已经成功地创造出了能够解决特定问题的机器,其准确度达到甚至超过了人类,但我们仍然无法获得通用智能。这本书想和大家探讨一下还需要做什么样的努力才能不仅获得专用智能,还能获得通用智能。 如果读者对智能感兴趣,想了解更多关于如何建造自主机器的知识,或者担心这些机器突然有一天会以一种被称为“技术奇点”的方式统治世界,请阅读本书。通过阅读本书,读者将会了解到: 尽管人工智能已经变得越来越复杂而强大,但计算机科学还远未创造出通用人工智能 。 人类自然智能的认知机理以及人工智能发展的初心与使命,从不同方面认知当前人工智能技术的不足。 从当前“专用人工智能”到实现真正的“通用人工智能”还需要在哪些方面取得突破。 机器智能的进步可能会改变人们从事的工作类型,但它们不会意味着人类存在的终结。 为什么机器智能的改进并不会导致由机器所主导的失控性革命,机器智能的进步并不会导致世界末日的到来。
-
Scikit-Learn、Keras和TensorFlow的机器学习实用指南奥雷利安·吉翁通过一系列最新的技术突破,深度学习推动了整个机器学习领域的发展。现在,即使是对这项技术几乎一无所知的程序员也可以使用简单、高效的工具来实现具备数据学习能力的程序。这本畅销书采用具体示例、最小化理论和生产就绪的Python框架(Scikit-Learn、Keras和TensorFlow)来帮助你直观地理解构建智能系统的概念和工具。在更新的第3版中,作者Aurélien Géron探究了一系列技术,从简单的线性回归开始,逐步推进到深度神经网络。书中的大量代码示例和练习有助于你学以致用。你需要具备一定的编程经验。
-
最优化方法及其MATLAB实现许国根,贾瑛,沈可可优化技术是一种以数学为基础,用于求解各种工程问题优化解的应用技术。本书较为系统地介绍了优化技术的基本理论和方法以及现有绝大多数优化算法的MATLAB程序。本书内容包括无约束和约束优化方法、规划算法等经典优化技术以及遗传算法、粒子群等现代优化算法,而对于其他优化算法及群智能优化算法的基本理论、实现技术以及算法融合,读者可到北京航空航天大学出版社相关网站下载学习。本书既注重计算方法的实用性,又有一定的理论分析,对于每种算法都配有丰富的例题及MATLAB程序,可供读者使用。本书既可作为高等院校数学与应用数学、信息与计算科学、统计学、计算数学、运筹学、控制论等与优化技术相关专业的本科生或研究生的教材,以及地质、水利、化学和环境等专业优化技术教学的参考用书,也可作为对优化理论与算法感兴趣的教师与工程技术人员的参考用书。
-
人工智能入门实践肖波,梁孔明人工智能技术发展和行业应用已成为当前人们关注的热点之一,人工智能第三次浪潮加速了全球生产生活方式的转变和行业变革,催生了诸如智慧城市、智慧农业、智慧医疗、智慧教育、智慧工厂、智能交通、智力游戏等新兴行业的蓬勃发展。本书面向人工智能相关领域的初学者,系统介绍人工智能领域当前流行的相关工具包和深度学习框架,使读者在简单了解人工智能技术的基础上,就可以借助软件工具包自行动手编写代码,解决基本的模式识别问题, 并通过不断拓展,由点到面,由易到难,逐步学会分析和解决实际行业问题,为踏入人工智能领域打好基础。本书首先讲授Numpy、Pandas、Matplotlib等人工智能工具包的特点和使用方法,使读者系统掌握对各种数据的生成、载入、处理和展示等操作,然后在此基础上系统介绍机器学习工具包Sklearn的特点和使用方法,最后重点介绍Pytorch等深度学习框架的使用方法,以及在计算机视觉、自然语言处理以及语音处理中的应用。本书可以作为人工智能相关专业研究生、本科生、高职生的入门实验教学教材,还可为对人工智能技术有兴趣的初学者提供一个学习和实践的参考材料,也可供相关领域的工程技术人员参阅。
-
深度强化学习理论与实践龙强,章胜本书比较全面、系统地介绍了深度强化学习的理论和算法,并配有大量的案例和编程实现。全书核心内容可以分为3部分,第一部分为经典强化学习,包括第2、3、4章,主要内容有动态规划法,蒙特卡洛法、时序差分法;第二部分为深度强化学习,包括第6、7、8章,主要内容有值函数近似法、策略梯度法、策略梯度法进阶;第三部分重点介绍了深度强化学习的经典应用——AlphaGo系列算法。另外,作为理论和算法的辅助,第1章介绍了强化学习的模型,第5章简单介绍了深度学习和PyTorch编程框架。 本书可以作为理工科大学相关专业研究生的学位课教材,也可以作为人工智能、机器学习相关专业高年级本科生的选修课教材,还可以作为相关领域学术研究人员、教师和工程技术人员的参考资料。
-
视觉语言交互中的视觉推理研究牛玉磊《视觉语言交互中的视觉推理研究》的作者牛玉磊博士于2020年在中国人民大学取得博士学会,后前往美国哥伦比亚大学开展博士后研究工作。本书从知识建模和知识推断两方面入手,深入研究了视觉语言交互任务中的视觉推理问题。《视觉语言交互中的视觉推理研究》共五章:第1章主要介绍了计算机视觉与自然语言处理交叉领域中交互类问题的研究背景,并分别从单轮交互、多轮交互、知识偏差三个角度选取了指称语理解、视觉对话、视觉问答三个经典任务展开讨论。第2章主要介绍了单轮交互情形的代表性视觉推理任务,即指称语理解问题,提出了变分背景框架,根据视觉图像和指称语文本的联系及视觉物体之间的关系提取语义背景信息,并根据背景信息对指称语进行定位。第3章介绍了多轮交互情形的代表性视觉推理任务,即视觉对话问题,提出了递归注意力机制,通过视觉指代消解的思想对图像、对话和问题之间的联系进行建模,优化视觉表示。第4章介绍了知识偏差情形的代表性视觉推理任务,即视觉问答问题,基于因果推理提出了反事实视觉问答框架,在训练环境和测试环境的答案分布不一致情况下,通过因果效应的视角提取并去除语言偏差。第5章对本书进行了总结,并对未来研究方向进行了展望。
-
元宇宙底层逻辑吴刚,蔺静茹本书首先带领读者体验一个当前著名的经典元宇宙项目Decentraland,让读者直观地了解元宇宙是什么样子,然后深入浅出地解析元宇宙的五大底层构造逻辑,包括元宇宙的时空逻辑、元宇宙的社会逻辑、元宇宙的经济逻辑、元宇宙的治理逻辑,以及元宇宙的发展逻辑。本书全面整理了元宇宙赖以发展的前沿技术及其背后的驱动规律,适合元宇宙领域的从业者、元宇宙项目的技术带头人和创业团队,元宇宙产业政策的制定者,以及对元宇宙感兴趣、希望深入理解元宇宙到底是什么的广大读者阅读。
-
点云配准从入门到精通郭浩三维点云处理技术广泛应用在逆向工程、CAD/CAM、机器人学、测绘遥感、机器视觉、虚拟现实、人机交互、无人驾驶和元宇宙等诸多领域。点云配准作为三维视觉领域的一个重要分支,已有40多年的发展历史,本书则系统性地对近些年来已经成熟的算法和工具进行梳理和总结。全书分两部分,第一部分为硬核技术篇(第1~4章),详细介绍了点云配准概念、应用领域,以及点云配准必要的数理知识,最后对点云配准过程中相关关键步骤(如关键点提取、特征描述等)所涉及的经典算法进行理论与实战的多维展示,为读者深入了解复杂配准算法做好前期理论与技术储备工作。第二部分为算法应用篇(第5~6 章),涵盖了十几个开源的刚性与非刚性配准经典算法,从算法原理、理论基础、技术实现、应用案例及优缺点等方面进行详细介绍,以算法的源码实现分析来帮助读者搞清楚每一个算法的细节与计算过程。最终通过算法的应用案例分析,让读者从理论、技术和应用层面重新评价与认识每一个算法,助力产业界的读者快速将相关技术应用落地,学术界的读者快速系统地完成入门与提升。随书附赠程序源代码、案例高清效果图和结果视频,以及授课用PPT,力求从多个角度提升读者阅读体验和知识含量。本书可作为科研人员和公司产品开发工程师的参考指南,也可作为计算机图形学、机器人学、遥感测量、虚拟现实、人机交互、CAD/CAM逆向工程等领域相关专业的高年级本科生、研究生的学习手册。
-
PyTorch高级机器学习实战 ChatGPT背后的逻辑王宇龙本书讲解了经典的高级机器学习算法原理与知识,包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络,以及强化学习等内容,同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现,并且在各章节配备实战环节,内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。 本书附赠所有案例的源代码及各类学习资料来源,适合具有一定编程基础的人工智能爱好者学习,也是相关从业者和研究人员的学习指南。
-
Python深度学习吴茂贵,郁明敏,杨本法,李涛这是一本能指导读者快速掌握PyTorch和深度学习的著作,从PyTorch的原理到应用,从深度学习到强化学习,本书提供了全栈解决方案。第1版上市后销量和口碑俱佳,是深度学习领域的畅销书,被誉为PyTorch领域的标准著作。第2版在第1版的基础上,去芜存菁,与时具进,根据PyTorch新版本全面升级,技术性、实战性、针对性、丰富性、易读性均得到了进一步提升,必定能帮助读者更轻松、更高效地进入深度学习的世界。全书一共19章,在结构上分为三大部分:第1部分(第1~4章) PyTorch基础首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识,然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容,帮助读者快速了解和掌握PyTorch。第二部分(第5~10章) 深度学习基础依次讲解了机器学习、视觉处理、自然语言处理、注意力机制、目标检测、语义分割、生成式深度学习等机器学习和深度学习的核心技术的原理和使用。第三部分(第11~17章) 深度学习实践通过实战案例的方式,详细讲解了PyTorch在人脸检测和识别、迁移学习、中英文互译、图像分类、语义分割、生成式网络、对抗攻击等领域的应用和解决方案。第四部分(第18-19章) 强化学习重点介绍了强化学习和深度强化学习的基础理论、常用算法及相关实例。更为重要的是,为了让本书通俗易懂,在内容安排和写作方式上也颇花了一番心思。内容选择上,广泛涉猎、重点突出、注重实战;内容安排上,实例切入、由浅入深、循序渐进;表达形式上,深度抽象、化繁为简、用图说话。