本书主要介绍了梯度下降和PyTorch的Autograd；训练循环、数据加载器、小批量和优化器；二元分类器、交叉熵损失和不平衡数据集；决策边界、评估指标和数据可分离性等内容。

本书遵循第8版的章目编排，共分为10章，每章由三部分组成：第一部分为复习笔记，剖析本章的重难点内容；第二部分为课后习题详解，对第8版的习题进行了详细的分析和解答；第三部分为名校考研真题详解，精选名校考研真题，并提供了详细的解答。

本书结合理论知识和算法模拟，从多个维度详细剖析分布式随机优化算法的基本原理和应用实践，同时对分布式随机优化算法开发中的重点和难点问题进行了重点讲解。本书共包括7章，第1章背景知识，主要介绍分布式随机优化的研究背景和应用场景；第2章数学基础，主要介绍了分布式的相关概念与算法设计应用到的定理；第3-7章分布式随机优化算法及

本书共分为三部分，内容包括：概述、基于舆情现象识别视角的网络舆情预测、政府媒体在网络舆情演化中的传播力与影响力研究。具体内容包括：绪论；相关理论与技术概述；面向非均衡事件子集的舆情反转预测；网络暴力类舆情事件演化及预测等。

本书在全面介绍生成式人工智能和ChatGPT应用的同时，也帮助读者对这两项技术、架构及使用方法进行多方位理解，包括生成式人工智能的技术背景、开发过程和发展现状。本书有助于展现生成式AI技术在不同行业中实现效益的创新应用和潜在价值。最后，本书指出了各个行业中适合进一步研究和发展的领域，这些领域在不久的将来将能够借助生成式

本书分为基础篇、中级篇和高级篇，主要介绍人工智能的原理和编程实现案例，内容包括人工智能技术的发展过程，人工神经网络的结构、优化方法、正则化方法和训练方法，前馈神经网络、卷积神经网络和循环神经网络，数据的各种获取方法和处理方法，大语言模型等。本书的编程部分从利用Python实现AI算法，过渡到利用高级框架keras，使读

人工智能在音乐、美术、工业和科学等领域的创造性过程中发挥着非常重要的作用，特别是随着大模型技术的发展，AI在艺术创作、工业设计、产品建模等领域发挥着越来越重要的作用，而虚拟现实、增强现实以及元宇宙等新概念、新模式正在改变着教育、医疗、购物等生产生活的方式。本书从AI生成模型出发，深入全面介绍AI创造所涉及的理论方法。而

本书主要介绍了人工智能平台搭建、基于人工智能的机器系统应用、基于人工智能的机器人场景应用、基于人工智能的语音控制应用和基于人工智能的机器视觉应用五个项目。本书内容紧跟新一代信息技术和人工智能主流技术的发展，以培养学生的人工智能技术应用能力为目标；以项目、任务为导向，将相关知识的讲解贯穿在任务的实施过程中，强调职业教育教

本书系统地阐述了不完全信息和通信能力受限情形下几类离散神经网络的多指标状态估计方法。全书共11章，主要涉及方差约束、H性能、椭球约束等指标。具体包括：第1章绪论；基于状态增广方法，第2章至第4章给出了几类离散时变神经网络的方差约束H状态估计方法，揭示了随机发生非线性、测量丢失、传感器饱和、测量衰减以及事件触发通信协议对

深度学习技术与应用（TensorFlow版）