《人工智能》选取人工智能的9个核心方向，包括搜索、机器学习、线性回归、决策树、集成学习、神经网络、计算机视觉、自然语言处理与强化学习，系统梳理关键知识点，并详细介绍基础原理与重要算法，同时，加入了对前沿知识的介绍与对核心成果的分析和说明。同时，书中的每一章均配备作业题与编程练习，让读者们在练习当中加深对算法与原理的理解

本书涵盖了用于理解神经网络原理的必要统计力学知识,包括复本方法、空腔方法、平均场近似、变分法、随机能量模型、Nishimori条件、动力学平均场理论、对称性破缺、随机矩阵理论等,同时详细描述了监督学习、无监督学习、联想记忆网络、感知器网络、随机循环网络等神经网络及其功能的物理模型以及解析理论,通过简洁的模型展示了神经网

本书是一部介绍机器学习算法的书籍。本书在阐述与机器学习的数学和统计学理论的同时，提供了相关的编程实践和实验。第2版新增了深度信念网络和高斯过程的章节、卡尔曼滤波器和粒子滤波器的附加讨论，对支持向量机的内容进行修订，并且对代码进行改进。目录：前言、预先准备、神经元、神经网络和线性判别、多层感知器、径向基函数和样条、降维、

本书面向研究型开发与创新能力培养,重点讲解机器学习的基本原理和前沿思想。Python是开展机器学习编程实践的主流语言,本书为常用的机器学习模型提供了完整的Python实现代码。本书在“中国大学MOOC”上同步开设配套慕课课程,供读者免费学习。

本书是一本系统介绍人工智能基础知识和基本原理的入门书籍,从经典人工智能入手,介绍知识表示、确定性推理、不确定性推理、专家系统和演化算法等。同时,也介绍了典型机器学习和深度学习的学习框架和方法,如决策树、支持向量机、卷积神经网络、循环神经网络和生成对抗网络等。另外,本书以Pytorch、sklearn等为基础通过实践项目

本书分为6章、24小节，分别以“城市、政府、市场、人民、生态、未来”等角色和角度，通过相关话题、观点与案例解读的形式，分享国内外优秀智慧城市的创新案例和解决方案，从各个层面探讨智慧城市发展趋势、挑战和机遇，为读者带来全新的思考与启发。

本书详细介绍了人工智能领域涉及的数学基础，对于每个问题尽可能给出足够详尽的证明过程，以帮助读者深入理解智能算法的原理。本书内容涉及线性代数、高等数学、概率论、**化等多个数学分支内的重要知识点。采用公式推导、图表示例、应用举例相结合的方式，以翔实的语言、全新的视角，帮助读者理解其中的关键知识点。全书共分为10章:第1章

《AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(医疗、法律和金融等

本书以智能算法为背景，全面地介绍了人工智能的各种算法，本书内容以理论为基础，以应用为主导，循序渐进地向读者揭示怎样利用智能算法解决实际问题。全书共11章主要内容包括MATLAB语言入门、插值算法与曲线拟合、灰色系统理论、傅里叶变换和小波变换、经验模态分解算法、模糊逻辑控制算法、滑模变结构控制、神经网络基本理论、支持向量

本书采用“理论+实践”的方式，全面系统地讲授了深度学习的基本原理以及使用TensorFlow实现各类深度学习网络的方法。全书共10章，第1～3章主要介绍深度学习的基础知识，包括深度学习的概念和应用、深层神经网络的训练和优化、TensorFlow的内涵和特点等内容；第4～5章主要介绍TensorFlow的安装，以及计算模