本书着重从方法论角度对基于知识图谱的可解释人工智能的相关研究进行分类梳理，并挑选了智能推荐、问答对话、关系推理等三个具有代表性的人工智能任务，在每个任务下遴选出近年来有具有里程碑意义的典型研究成果，详细介绍基于知识图谱的可解释人工智能的理论模型和应用情况。本书既涵盖了大量经典算法，又引入了近年来在该领域研究中涌现出的新

本书在归纳分析国内外关于多智能体系统分布式优化控制算法的基础上，研究了针对外部干扰、系统未建模动态、系统状态受限、固定时间内系统稳定等具体需求的高阶非线性多智能体系统的分布式控制器设计。主要内容包括：设计基于神经网络的自适应控制算法，利用神经网络的万能逼近能力对系统内的未建模动态进行估计，并通过设计神经网络自适应律和自

本书全面详尽地介绍了人工智能从诞生开始以来将如何塑造我们的世界和社会。通过色彩丰富、有趣的插图，和通读易懂的文字，生动地介绍了人工智能的方方面面。清晰地介绍了人工智能的起源、历史、应用情况、技术局限和未来展望，并通过一些简单、实用的科普知识，以生活场景作为切入点，以真实发生的事例作为例证，介绍了“图灵测试”“中国房间”

本书以工作场景和具体任务来驱动，包括53个场景展示、85项任务模拟、237次提问示范，让完全不懂技术的小白，也能成为ChatGPT工具使用方面的行家。

本书是一本全面介绍机器学习方法特别是算法的新书,适合初学者和有一定基础的读者。机器学习可以分成三大类别,监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后

本书围绕应用环境中实际问题的求解过程来阐述和讲解程序设计思想方法和相关技术知识,向学生展示如何设计和选择合适的数据结构来表示实际问题中的处理对象,如何把一个实际问题转化成一个程序可计算的逻辑模型,以及如何考虑程序运行的效率来满足问题求解对时间的要求等。

本书包括引言、基础知识、基于知识的系统、高级专题、现在和未来以及安全与编程六部分内容。从人工智能的定义讲起,详细讲述人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识;介绍并探究了人工智能领域的成功案例,也介绍了机器学习、深度学习以及受到自然启发的搜索算法等;介绍了自然语言处

本书针对高等学校人工智能本科生专业人才培养的专业内涵、定位和知识体系,设置了数学与统计、科学与工程、计算机科学与工程核心、人工智能核心、认知与神经科学、先进机器人技术、人工智能与社会、人工智能工具与平台等专业课程群,重点介绍了八大课程群中各课程的概况和知识点,为培养具有科学家素养的工程师奠定知识和能力的基础。

本书从1989年密码学家大卫·乔姆失败的数字现金计划讲起，为读者详细讲述了数字现金的迭代历史，及其数字现金与政府技术专家之间的关系。在面对数字现金对国家治理、国际管理模式挑战的当下，作者尝试通过研究数字现金的历史渊源，并从该层面出发为人们讲解不一样的体系。作者认为，每种货币都承载着特定的时间和历史结构，在这种结构中，货

"本书以人工智能实现算法为视角，系统阐述机器学习与人工神经网络这两个彼此紧密联系的人工智能实现途径中的主要问题与解决方法。对于机器学习，在深入理解机器学习任务与关键问题的基础上，探讨监督学习、非监督学习、半监督学习、强化学习这四大类归纳学习问题的本质特性及其解决方案，同时论述作为归纳学习基础的相似性计算问题及其解决方法