三民網路書店 中國圖書館分類法 / 工業技術 / 自動化技術、計算機技術 / 自動化基礎理論

本書以習近平新時代中國特色社會主義思想為指導，以習近平總書記關於“兩個結合”重要論述為文本依據，對“兩個結合”提出的時代背景、發展脈絡、構成要素、基本內涵、哲學基礎、根本要求、基本路徑、生動實踐和重大意義等一系列基本問題進行了系統研究，深入闡釋了“兩個結合”蘊含的中國化時代化馬克思主義世界觀和方法論，深刻闡明了“兩個結合”開闢馬克思主義中國化時代化新境界的重大原創性貢獻，深層揭示了“兩個結合”對於新時代推動理論創新和實踐創新的深遠影響。

《基於多尺度分析與人工神經網絡的多源圖像融合》介紹了多源圖像融合技術的發展趨勢和研究現狀，在圖像尺度分析、遷移學習、深度神經網絡模型與算法研究的基礎上，分別針對多聚焦圖像融合、多模態醫學圖像融合、紅外與可見光圖像融合、遙感圖像融合等不同應用領域，提出了具有可行的融合方法，在開展傳統圖像融合技術研究的同時，將一些新的技術和新方法引入到圖像融合領域。《基於多尺度分析與人工神經網絡的多源圖像融合》可以幫助讀者瞭解多源圖像融合技術的基礎知識、研究方法和具體實施方式，從而在此基礎上開展相關領域的研究工作。

OpenAI API是一個為開發者、企業和研究者打造的平臺。通過這個API，用戶可以輕鬆地融合和應用最前沿的AI技術，而無須獨立訓練模型或構建複雜的支持系統。這種便利性不僅加速了各類自然語言處理任務的實現(如文本創作和問答系統)，還大大降低了開發和運營的成本。隨著對OpenAI不斷地進行研究和優化，API用戶始終能夠享受到**的技術成果。此外，API還為各個行業的創新者開闢了新的可能性，並助力各種新應用和服務的誕生。總之，OpenAI API不僅推動了AI技術的廣泛應用，還為廣大用戶提供了一種簡單、高效的方式來探索和實現AI的潛能。 本書分4篇，共19章，涵蓋的主要內容有OpenAI API的基礎知識、OpenAI API詳解，使用OpenAI API實現智能問答、在線客服、教育輔導、編程助手、情感諮詢、心理諮詢、內容創作、旅行規劃、法律諮詢、多語言翻譯、市場分析、文獻檢索等功能，開發工作準備、聊天機器人實戰、AI繪畫系統實戰、AI文本審核系統實戰，以及OpenAI API展望等。 本書內容詳盡，原理論述簡單明瞭，案例豐富，可讀性強，特別適合有開發基礎的後端Java 開發人員閱讀，也可供其他後端開發語言的從業者借鑒。本書還適合需要瞭解**ChatGPT技術的開發人員閱讀。

本書對現代人工智能的理論、算法、框架及應用進行了全面、系統的論述，剖析了人工智能研究領域的前沿學術成果，涵蓋了機器學習、深度學習、強化學習以及聯邦學習等諸多方向。讀者通過學習本書，能夠掌握人工智能的基本知識，並能瞭解人工智能研究的一些前沿內容，為進一步學習人工智能理論與應用奠定基礎。全書分為9章。第1章為緒論；第2章為知識表達；第3章為推理方法；第4章為進化計算；第5章機為器學習；第6章為神經網絡；第7章為深度學習；第8章為強化學習；第9章為聯邦學習。

本書圍繞人工智能的人才需求與崗位能力進行內容設計，將深度學習技術與實際應用相結合，幫助讀者全面瞭解深度學習的基本原理、常用模型和優化算法，並深入探討在目標檢測、圖像識別、自然語言處理、風格遷移等領域的應用案例。本書共6個項目15個任務，主要內容包括使用TensorFlow實現服裝圖像分類、使用TensorFlow實現文本分類、使用遷移學習實現肺部X光檢測、基於Flask的模型應用與部署——貓狗識別、神經網絡的語言處理——五言古詩生成、使用VGG19遷移學習實現圖像風格遷移。本書強調理論與實踐相結合，旨在引導讀者將學到的知識應用於實際項目中，解決現實世界的問題。

圖神經網絡不僅能夠解決傳統機器學習方法無法解決的圖數據問題，而且能夠應用於許多實際場景，例如社交網絡、藥物發現、網絡安全、金融風控等。《圖神經網絡基礎、模型與應用實戰》旨在為初學者和實踐者提供一個詳細、全面的入門指南，圍繞圖神經網絡基礎、模型、應用實戰(均採用Python+PyTorch實現)等方面進行介紹。《圖神經網絡基礎、模型與應用實戰》配套示例源碼、數據集、PPT課件。《圖神經網絡基礎、模型與應用實戰》共分9章，內容包括圖神經網絡概述、PyTorch開發環境搭建、數據集的獲取與加載、圖神經網絡模型、圖神經網絡在自然語言處理領域的應用、圖神經網絡在計算機視覺領域的應用、圖神經網絡在推薦系統領域的應用、圖神經網絡在社交網絡領域的應用、圖神經網絡的挑戰和機遇。其中，每個領域的應用都包括1～3個實戰項目，可以幫助讀者快速掌握圖神經網絡。《圖神經網絡基礎、模型與應用實戰》適合圖神經網絡初學者、圖神經網絡算法開發人員、深度學習算法開發人員，也適合高等院校或高職高專圖神經網絡相關課程的師生教學參考。

● 數據字典和數據治理 ● 數據質量管控、合規和分發 ● 構建自動化管道以提高可靠性 ● 數據攝取、存儲和分發 ● 支持生產環境中的數據建模、分析和機器學習

XGBoost是一種經過行業驗證的開源軟件庫，為快速高效地處理數十億數據點提供了梯度提升框架。首先，本書在介紹機器學習和XGBoost在scikit-learn中的應用後，逐步深入梯度提升背後的理論知識。讀者將學習決策樹，並分析在機器學習環境中的裝袋技術，同時學習拓展到XGBoost的超參數；並將從零開始構建梯度提升模型，將梯度提升擴展到大數據領域，同時通過計時器的使用瞭解速度限制。接著，本書重點探討XGBoost的細節，著重於速度提升和通過數學推導導出參數。通過詳細案例研究，讀者將練習使用scikit-learn及原始的Python API構建和微調XGBoost分類器與回歸器；並學習如何利用XGBoost的超參數來提高評分、糾正缺失值、縮放不平衡數據集，並微調備選基學習器。最後，讀者將學習應用高級XGBoost技術，如構建非相關的集成模型、堆疊模型，並使用稀疏矩陣、定制轉換器和管道為行業部署準備模型。本書適合作為高等學校計算機專業、軟件工程專業的高年級本科生及研究生教材，同時適合有一定機器學習基礎的數據科學家、機器學習工程師和研究人員閱讀，可為解決複雜的機器學習問題提供實用指導。

本書通過對大眾電子足跡大數據的挖掘與分析，從公共事件、智能交通和行為經濟學三個維度探究複雜社會系統所隱藏的內生動力，並通過提出基本假設、建立理論模型探索這些規律的產生機制和可能的動力學影響。本書共6章： 第1章系統梳理了“人類行為動力學”在社會科學的認知及其使用情況，比較了“內生動力”與“外在推力”等知識體系對人類行為的作用，重點就人類行為特性背景中的內生動力基本形式、表現方法以及個體行為影響與群體行為影響的關聯進行了分析。第2章介紹了人類行為動力學，並介紹了行為動力學規劃、搜集、提取、存儲和檢索方法及工具，重點講述了人類行為的時間規律、空間規律以及對傳播動力學的影響及建模問題。第3章從公共治理的角度，研究群體行為動力學在公共危機突發事件下的群體心理應激反應，並有效分析群體心理應激的具體過程，通過對突發事件的影響進行定量分析，為人們在緊急情況下的行為模式的研究提供了一定的依據。第4章通過對大量的人類個體行為和群體行為的定量統計，研究其在時間和空間上表現出的內生動力複雜性，進而揭示智能交通中所隱藏的統計規律。第5章從人類自身行為出發，結合行為經濟學探索傳統經濟學無法有效解釋的大規模金融市場擾動成因，探究隱藏在許多複雜社會經濟現象背後的內生驅動力。第6章從哲學、生物學、經濟學、社會學、心理學等方面，將人的動態模式和心理模式結合起來，對複雜社會下的內生動力模型進行修正。本書內容屬￿大數據與社會學的交叉領域，適合高等院校大數據、人工智能、社會學等專業的學生閱讀，也可供相關領域有興趣的科技工作者和研究人員參考。

本書在系統介紹了機器學習的基礎上詳細講解了神經網絡和深度神經網絡的結構原理、模型訓練與優化方法。重點針對典型工作任務，詳細講解了卷積神經網絡(CNN)和循環神經網絡(RNN)的基本結構和主要操作。全書共分為七個模塊，模塊一主要介紹了人工智能與機器學習；模塊二主要介紹了人工智能的開發工具及開發環境；模塊三介紹了機器學習相關的數學基礎知識：模塊四對典型的機器學習算法進行了介紹；模塊五對神經網絡的結構和基本原理進行了剖析；模塊六對卷積神經網絡(CNN)的結構和模型訓練優化進行了詳細的分析說明並應用TensorFlow實現圖像分類；模塊七對循環神經網絡(RNN)的結構和模型訓練優化進行了詳細的分析說明，並應用TensorFlow實現文本分類。在各項目內容中融入了思政元素和部分“1+X”證書內容。

本書為該套叢書的第二卷：計算機視覺。本書主要介紹了深度模型、激活函數和特徵空間；Torchvision、數據集、模型和變換；卷積神經網絡、丟棄和學習率調度器；遷移學習和微調流行的模型(ResNet、Inception等)等內容。

本套叢書循序漸進地詳細講解了與深度學習相關的重要概念、算法和模型，並著重展示了PyTorch是如何實現這些算法和模型的。其共分為三卷：編程基礎、計算機視覺、序列與自然語言處理。本書為該套叢書的第三卷：序列與自然語言處理。主要介紹了循環神經網絡(RNN、GRU和LSTM)和一維卷積；Seq2Seq模型、注意力、自注意力、掩碼、和位置編碼；Transformer、層歸一化、和視覺Transformer(ViT)；BERT、GPT-2、單詞嵌入、和HuggingFace庫等內容。

本書介紹了深度學習的基本理論、工程實踐及其在產業界的部署和應用。在深度學習框架的介紹中，書中結合代碼詳細講解了經典的卷積神經網絡、循環神經網絡和基於自注意力機制的Transformer網絡及其變體。還介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。此外，書中還涵蓋了深度強化學習和生成對抗網絡的前沿進展。在系統工程和產業實踐方面，書中解釋了如何使用分布式系統訓練和部署模型以處理大規模數據。本書系統介紹了構建深度學習推理系統的過程，並結合代碼講解了分布式深度學習推理系統需要考慮的工程化因素，例如分布式問題和消息隊列，以及從工程化角度出發的解決方法。本書提供了每個經典模型和應用實例的TensorFlow和PyTorch版本代碼，為深度學習初學者和算法開發者提供理論學習、代碼實踐和工程落地的指導與幫助。本書既適合計算機、自動化、電子、通信、數學、物理等相關專業背景的研究生和高年級本科生，也適合那些希望從事或準備轉向人工智能領域的專業技術人員。

本書從注意力機制這一重要角度入手，闡述注意力機制的產生背景和發展歷程，通過詳實的理論剖析，以深入淺出的方式著重介紹注意力機制在計算機視覺、自然語言處理，以及多模態機器學習三大人工智能方向中的應用思路、模型與算法。

本書主要介紹了梯度下降和PyTorch的Autograd；訓練循環、數據加載器、小批量和優化器；二元分類器、交叉熵損失和不平衡數據集；決策邊界、評估指標和數據可分離性等內容。

全書共8章，第1章對現有常見的基於深度學習剩餘壽命預測技術研究現狀進行深入分析，第2章給出了一種充分融合深度學習和隨機過程優勢的退化系統剩餘壽命預測方法，第3章與第4章重點圍繞全壽命週期情形所開展的剩餘壽命預測方法研究，第3章得到的點估計預測結果，第4章是在Bayesian深度學習框架下確定的是概率分佈預測結果，第5章與第6章針對零壽命標簽情形所開展的剩餘壽命預測方法研究，第5章提出了一種基於網絡模型平均的退化系統剩餘壽命點估計預測方法，第6章研究了基於Bayesian深度學習的退化系統剩餘壽命不確定性量化問題，第7章與第8章分別針對一維、多維數據缺失情形下提出了數據生成算法，並將其應用於剩餘壽命領域。

● 用進化計算解決複雜的設計和分析問題 ● 調整深度學習超參數 ● 將Q-Learning應用於深度學習，從而進行深度強化學習 ● 優化無監督自編碼器的損失函數和網絡架構 ● 創建一個能夠參與OpenAI Gym遊戲的進化智能體

本書以人工智能與機器人項目為載體，構建集知識學習、項目實戰為一體的人工智能與機器人專業實戰訓練平臺。要求學生運用檢測、控制等多學科知識，解決相關複雜工程問題，綜合培養學生的系統工程能力、問題分析能力、算法應用能力與動手實踐能力。本書分為三部分：第1部分為基礎知識，介紹人工智能基礎、機器人基礎與機器鼠的相關知識；第2部分為環境感知與運動控制，包含機器鼠涉及的傳感器技術、嵌入式系統原理和運動控制方案；第3部分為路徑搜索與最優決策，講解環境建模與決策、迷宮搜索策略、最優路徑規劃等經典算法。

《人工智能（AI）應用從入門到精通》是一本人工智能應用入門級讀物，全書分基礎篇和應用篇兩個部分。基礎篇包括人工智能的基本認知、人工智能的關鍵技術、人工智能的基本要素、人工智能的產業應用和人工智能的倫理安全五部分內容；應用篇包括人工智能 教育、人工智能 醫療、人工智能 金融、人工智能 交 通、人工智能 安防、人工智能 零售、人工智能 物流、人工智能 制造和人工智 能 農業九章內容。本書去理論化，簡單

本書面向初學者，採用全彩圖解+視頻講解的形式介紹了人工智能的基礎知識及開發案例，從無代碼到圖形化編程到代碼編程，循序漸進，讓讀者逐步掌握人工智能技術，體驗人工智能帶給自己的樂趣。本書首先通過mDesigner+開源硬件的結合賦予創客作品以“智能”，接著介紹了與人工智能密切相關的深度學習及其所需要的編程語言、編程框架及編程環境等知識，進而結合不同的場景，詳細講解了人工智能在視覺、聽覺、無人駕駛等不同