机器学习是一门多领域交叉学科，涵盖概率论知识、统计学知识、近似理论知识和复杂算法知识，使用计算机作为工具，致力于真实实时地模拟人类学习方式，并将现有内容进行知识结构划分来有效提高机器学习效率。本书共分为七章：第一章，机器学习概述，介绍了机器学习的特点、分类以及应用；第二章，线性回归，包括线性回归模型的建立、学习策略的确

全书分为七部分：深度学习与深度置信网络研究现状、深度置信网络参数自适应学习、自组织深度置信网络、增量式深度置信网络、生成式对抗性深度置信网络、事件驱动的深度置信网，以及事件驱动的深度置信网络预测控制。每一部分均在工业过程优化运行中有相应实验测试与应用实践。从理论方法到应用实践，书中的内容从基础概念到最新进展均有涵盖，使

本书重点针对应用层的ChatGPT开发核心技术进行介绍，着重于案例分析和最佳实践的讲解。全书共16章，包括ChatGPT端到端语音聊天机器人项目实战、ChatGPT应用开发的三大核心内幕及典型案例、ChatGPT底层架构Transformer技术及源码实现、GPT内幕机制及源码实现逐行解析、GPT-2源码实现及GPT-

本书的主要内容为连续学习的理论和应用的一些关键技术方法，其创新点包括：(1)提出一种跨时序任务的感知目标函数；(2)提出一种代表性重演样本挑选算法；(3)提出一种基于元学习的训练样本影响的计算方法；(4)提出一种基于非对称的梯度度量与最大差异优化算法；(5)提出一种基于增广图网络的连续多标签分类算法；(6)提出一种基于

多模态深度学习是一种研究视觉、语言、音频等多种模态数据之间关联性的技术。本书是一本探讨多模态深度学习领域最新进展和应用的专业书籍，综合了最新的研究进展和实际应用案例，涵盖了多个关键领域，包括多模态语音识别、多模态虚假新闻的检测与处理、视频文本跨模态检索等，为读者展现了一个全面了解多模态深度学习领域发展前沿的窗口，为学术

本书全面探讨了机器学习中的**化理论、方法与实践，特别是在人工智能颠覆性发展的背景下，包括但不限于监督学习、无监督学习、深度学习及强化学习等的应用。本书详细介绍了**性条件、KKT条件、拉格朗日对偶等核心**化理论，探讨了梯度下降法、邻近梯度法、牛顿法、拟牛顿方法（BFGS方法）、块坐标下降法、随机梯度类方法、增广拉格

本教材结合人才培养与计算机教育改革的新思想、新要求，以人工智能技术和应用为核心，融合计算机科学、软件工程、数据科学等多学科知识，旨在循序渐进地引导学生掌握人工智能的基础概念、支撑理论，并深入程序设计和新一代信息技术的专业应用实践，通过理论讲解、实践案例和习题练习，致力于培养学生的人工智能理论知识和实践技能，奠定学生在人

本书是一本学习计算机与人工智能知识的入门教材，包含计算机发展简史、计算机中的数据表示、计算机硬件基础、程序设计与计算机软件、计算机网络与网络安全、物联网与大数据、人工智能概述、人工智能的实现方法、人工智能应用、人工智能的未来发展等内容。通过本书的学习，读者可以了解计算机与人工智能发展史中的重要人物、机型/系统和事件，了

"《生成式人工智能基础与应用》是一本介绍生成式人工智能（AIGC）技术及应用的通识教程。全书精心设计了8章内容，从基础知识到实战应用，层层递进，进行了详尽阐述。书中覆盖基础知识及6大应用场景，包括文案创作、高效处理办公事务、创作图形图像、音频优化合成、生成短视频、代码编写等。《生成式人工智能基础与应用》旨在帮助读者快速

"《人工智能概论》共分为12章。第1章叙述人工智能的定义、起源、流派与发展，第2章和第3章研究人工智能的知识表示方法和知识图谱，第4章探索搜索推理技术，第5章探讨群智能算法的主要方法，第6章至第11章逐一讨论人工智能的主要应用领域，包括机器学习、人工神经网络与深度学习、专家系统、计算机视觉、自然语言处理和语音处理等，第