使用监督学习从头构建一个图像识别应用程序。用线性回归预测未来。深入研究梯度下降，这是一种驱动大部分机器学习的基本算法。创建感知器来分类数据。建立神经网络来处理更复杂和复杂的数据集。通过反向传播和批处理来训练和细化这些网络。分层神经网络，消除过度拟合，并添加卷积将您的神经网络转换为一个真正的深度学习系统。

本书提供了一份关于图表示学习的综述。 首先，本书讨论图表示学习的目标及图论和网络分析的关键方法论。 然后，本书介绍并回顾了学习节点嵌入的方法，包括基于随机游走的方法以及在知识图谱上的应用。 再后，本书对高度成功的图神经网络（ Graph Neural Network， GNN）进行了技术上的综合介绍， GNN已成为图数据深度学习领域占主导地位且迅速发展的范式。 最后，本书总结了针对图的深度生成模型的前沿进展，这是图表示学习新生但发展迅速的子集。

人类知识总量的快速增长与信息技术的发展加剧了知识碎片化问题。位置分散、内容片面、结构无序的碎片化知识限制了知识的可用性，成为新一代知识工程中的瓶颈问题。为此，《知识森林 ： 理论、方法与实践》提出一种新的知识图谱模型——知识森林，能够分面融合碎片化知识，又能体现知识主题间各类认知关系。《知识森林 ： 理论、方法与实践》共7章，第1章是知识森林的背景介绍，第2章介绍基本理论模型，第3～5章介绍知识森林构建的三个具体环节，第6、7章介绍如何利用知识森林进行导学以及知识森林的可视化技术。

《政策研究自动化关键技术研发与应用》主要从模型与方法、政策资源获取与结构化、政策文本计算、政策扩散、自动简报生成、垂直领域专家观点可信度及系统设计与实现等方面介绍了政策研究自动化关键技术研发与应用研究的相关内容，旨在为政策研究提供一些新的思路、方法与借鉴。《政策研究自动化关键技术研发与应用》的具体研究内容如下。第1章绪论，阐述政策研究自动化的基本出发点、必备条件及相关方法等。第2章模型与方法，阐述政策研究自动化的模型与方法，包括文本语言模型、文本生成模型、政策扩散模型、网络表示学习模型、多样化排序学习模型等。第3章政策资源获取与结构化研究，阐述政策资源获取与结构化相关的技术，包括政策资源获取、政策资源解析与交换、科技政策结构提取、政策知识网络构建等。第4章政策文本计算研究，阐述政策研究自动化中文本计算相关的技术，包括科技政策文本特征获取、科技政策文本有意义字符串发现、科技政策概念关系标引、科技政策扩散特征提取与表示等。第5章政策扩散研究，研究扩散特征表示和扩散关系判定技术及科技政策集合提取关键技术，包括面向主题检索的科技政策扩散集合提取框架、针对科技扩散特征的排序模型构建和优化等。第6章自动简报生成研究，根据网络表示学习模型研究科技简报自动生成方法，进行自动简报生成应用研究。第7章垂直领域专家观点可信度研究，研究垂直领域专家言论语料知识发现、专家言论语料观点发现技术，开展专家观点可信度评分应用研究。第8章系统设计与实现，基于以上模型、算法及关键技术，进行系统的设计、实现与应用。

数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私 保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”， 成为当下人工智能领域备受关注的热点。 本书以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。 全书由五部分共19 章构成。第一部分简要介绍了联邦学习的理论知识；第二部分介绍如何使用 Python 和FATE 进行简单的联邦学习建模；第三部分是联邦学习的案例分析，筛选了经典案例进 行讲解，部分案例用Python 代码实现，部分案例采用FATE 实现；第四部分主要介绍和联邦学习 相关的高级知识点，包括联邦学习的架构和训练的加速方法等；第五部分是回顾与展望。 本书适合对联邦学习和隐私保护感兴趣的高校研究者、企业研发人员阅读。

本书从传统机器学习，如线性回归、逻辑回归、朴素贝叶斯、支持向量机、集成学习，到最前沿的深度学习神经网络，如DNN、CNN、BERT、ResNet等，对人工智能技术进行零基础讲解，涵盖数学原理、公式推导、图表展示、企业应用案例。 本书面向初中级读者，能帮助读者迅速掌握机器学习技术的相关概念及原理。本书内容结合作者多年的科研工作经验，理论和实践并重，对科研、学习、面试等均有帮助。

9787115523402 人工智能算法 卷1 基础算法 59.00 9787115544315 人工智能算法 卷2 受大自然启发的算法 69.00 9787115552310 人工智能算法 卷3 深度学习和神经网络（全彩印刷） 89.90 《人工智能算法 卷1 基础算法》 算法是人工智能技术的核心。本书介绍了人工智能的基础算法，全书共10 章，涉及维度法、距离度量算法、K 均值聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead 算法和线性回归算法等。书中所有算法均配以具体的数值计算来进行讲解，读者可以自行尝试。每章都配有程序示例，GitHub 上有多种语言版本的示例代码可供下载。本书适合作为人工智能入门读者以及对人工智能算法感兴趣的读者阅读参考。 《人工智能算法 卷2 受大自然启发的算法》 算法是人工智能技术的核心，大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法，这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章，涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解，每章都配有程序示例，读者可以自行尝试。 《人工智能算法 卷3 深度学习和神经网络（全彩印刷）》 自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。

本书是一部阐述基于脑电的神经反馈科学原理和技术基准的著作，兼具完整性与权威性。本书内容分为2部分，第1部分主要介绍大脑节律如何反映主要的神经调节过程，以及用于神经反馈训练的大脑活动信息测量、处理和反馈原理、方法与实践；第2部分结合“自上而下”和“自下而上”的方法，论述了神经反馈的核心科学原理，以及神经反馈评估和治疗的临床经验与实践。本书适合神经调控、认知与心理调控、脑机智能融合等方向的高年级本科生、硕士和博士研究生。同时，本书可启发并指导神经反馈应用于：神经和精神疾病的防治与康复，尤其是对认知和心理障碍的干预；健康个体的认知与行为表现的提升和优化、情绪调节能力的提升、脑机协同训练和学习等实践。

《中国电子信息工程科技发展研究.机器人专题》对机器人技术的研究现状进行了概述，并分析了机器人技术的发展趋势。《中国电子信息工程科技发展研究.机器人专题》介绍了机器人发展历程中的标志性系统，概述机器人的定义、应用和分类。针对全球机器人研究现状，从关键技术和典型系统两个方面，按照工业机器人、服务机器人和特种机器人分类进行了介绍。对我国机器人现状进行了介绍。在此基础上，通过分析归纳机器人技术发展趋势给出了我国机器人技术和产业发展建议。

本书由全球知名的3位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。