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 / 人工智能理論

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。

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。

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。

本書是一部基於中國當代設計理論體系建構對人工智能設計治理理論體系進行系統研究的個案式研究專著，從設計治理理論體系入手，重點考察和闡釋了建構中國自主人工智能設計治理理論體系的核心價值、體系結構、學術境界、文化意蘊等問題。中國自主人工智能設計治理理論體系是國家治理理論的一部分，也是社會設計學中設計治理的重要組成部分，有利於人工智能設計秩序的完善，對於解決中國自主的人工智能設計治理問題、建構中國當代設計理論體系具有重要價值。

本書用淺顯易懂的語言，圖文並貌地講解了深度學習的基礎知識，從如何挑選硬件到神經網絡的初步搭建，再到實現圖片識別、文本翻譯、強化學習、生成對抗網絡等多個目前最流行的深度學習應用。書中基於目前流行的PyTorch框架，運用Python語言實現了各種深度學習的應用程序，讓理論和實踐緊密結合。

隨著人工智能技術的高速發展和廣泛應用，人工智能安全問題引發了人們的高度關注。本書介紹了人工智能安全的概念和範疇，並從理論技術、技術標準、產業生態、倫理、法律等不同的角度分析了人工智能所涉及的安全問題及其治理策略和解決方法。除概述外，本書介紹了採用可信計算技術解決人工智能安全問題的方法，以及無人系統安全、基於類腦計算的強人工智能及其安全、智能製造和智能城市中的人工智能應用安全、網絡安全、人工智能安全可控的產業生態建設、人工智能安全標準與風險評估預警、人工智能法律倫理。總體來說，本書既概要地分析了人工智能安全問題的一般屬性，又從不同角度和不同的典型應用領域分析了人工智能系統中特別的安全問題及其風險評估、預測、治理途徑和解決方法。

本書全面介紹了圖神經網絡的基礎和前沿內容，以及圖表示學習的基本概念和定義，並討論了高級圖表示學習方法的發展，旨在幫助研究人員和從業者瞭解圖神經網絡的基本問題。此外，本書探討了圖神經網絡的幾個前沿主題，包括利用圖數據描述社會科學、化學和生物學等領域的真實數據的關係，還介紹了圖神經網絡的若干前沿趨勢，能夠幫助讀者進一步掌握圖神經網絡所涉及的技術。本書適合所有想瞭解圖神經網絡基本問題和技術的人，包括但不限於高等院校計算機專業高年級本科生及研究生、科研人員以及相關從業者。

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

《ChatGLM3大模型本地化部署、應用開發與微調》作為《PyTorch 2.0深度學習從零開始學》的姊妹篇，專注於大模型的本地化部署、應用開發以及微調等。《ChatGLM3大模型本地化部署、應用開發與微調》不僅系統地闡述了深度學習大模型的核心理論，更注重實踐應用，通過豐富的案例和場景，引導讀者從理論走向實踐，真正領悟和掌握大模型本地化應用的精髓。全書共分13章，全方位、多角度地展示了大模型本地化實戰的完整方案，內容包括大模型時代的開端、PyTorch 2.0深度學習環境搭建、基於gradio的雲上自託管ChatGLM3部署實戰、使用ChatGLM3與LangChain實現知識圖譜抽取和智能問答、適配ChatGLM3終端的Template與Chain詳解、ChatGLM3多文本檢索的增強生成實戰、構建以人為本的ChatGLM3規範化Prompt提示工程、使用ChatGLM3的思維鏈構建、GLM源碼分析與文本生成實戰、低資源單GPU微調ChatGLM3實戰、會使用工具的ChatGLM3、上市公司財務報表非結構化信息抽取實戰、上市公司財務報表智能問答與財務預警實戰。《ChatGLM3大模型本地化部署、應用開發與微調》適合大模型的初學者、有一定基礎的大模型研究人員、大模型應用開發人員。同時，《ChatGLM3大模型本地化部署、應用開發與微調》還可作為高等院校或高職高專相關專業大模型課程的教材，助力培養新一代的大模型領域人才。

本書從產業角度深刻分析了異構計算及智能計算中心建設的諸多關鍵技術和應用前景，介紹了異構融合智能計算的核心技術―智能計算中心異構算力芯片、異構算力適配、異構操作平臺，以及產業界中智能計算中心異構算力的解決方案、智能計算中心的高質量發展與未來展望。本書內容豐富、分析全面，是實現智能計算中心發展相關佈局的重要技術參考，對推動我國智能計算中心建設和智能計算領域的發展有很高的參考價值和實際意義，適合從事城市數字化建設、智能化建設、智能計算中心建設的相關技術人員，以及科研機構技術人員、高校師生閱讀。

本書以深度學習的常用技術與TensorFlow 2真實案例相結合的方式，深入淺出地介紹TensorFlow 2實現深度學習的重要內容。全書共7章，分為基礎篇（第1～3章）和實戰篇（第4～7章），基礎篇內容包括深度學習概述、TensorFlow 2快速入門、深度神經網絡原理及實現等基礎知識；實戰篇內容包括4個案例，分別為基於CNN的門牌號識別、基於LSTM網絡的語音識別、基於CycleGAN的圖像風格轉換以及基於TipDM大數據挖掘建模平臺的語音識別。本書多章包含實訓和課後習題，通過練習和操作實踐，讀者可以鞏固所學的內容。本書可用於1+X證書制度試點工作中的大數據應用開發（Python）職業技能等級（高級）證書的教學和培訓，也可以作為高校數據科學或人工智能相關專業的教材，還可作為深度學習愛好者的自學用書。