三民網路書店 / 搜尋結果

圖神經網路（GNN）是基於深度學習的圖資料處理方法，因其卓越的性能而受到廣泛關注。本書全面介紹了GNN的基本概念、具體模型和實際應用。書中首先概述數學基礎和神經網路以及圖神經網路的基本概念，接著介紹不同種類的GNN，包括卷積圖神經網路、迴圈圖神經網路、圖注意力網路、圖殘差網路，以及幾個通用框架。此外，本書還介紹了GNN在結構化場景、非結構化場景和其他場景中的應用。讀完本書，你將對GNN的最新成果和

信息檢索是我們理解這個世界的重要手段之一，隨著技術的進步，我們的檢索行為也在不斷變化。伴隨著人工智能時代的到來，大數據的湧現以及萬物互聯的場景對信息的獲取、理解和運用提出了新的需求，特別是大模型的出現，有望重塑信息檢索的架構與技術體系。本書以信息檢索系統架構為抓手，圍繞檢索系統的各個技術模塊展開對神經檢索前沿技術的介紹。一方面，幫助讀者快速瞭解傳統技術的發展現狀；另一方面，深入介紹深度學習技術給該研究問題所帶來的主要變革和前沿成果。由此，讀者可以通過本書較為全面地瞭解信息檢索領域過去與當前發展的面貌。

本書從語義匹配的角度解決搜索引擎和推薦系統的關鍵痛點，為構建解決語義匹配問題的深度學習模型提供了通用框架。第1章概述搜索和推薦中的語義匹配問題，以及近年來的研究進展。第2章介紹傳統匹配模型，包括潛在空間模型。第3章介紹深度學習技術在構建匹配模型時的應用。第4章和第5章分別介紹用於搜索和推薦的深度匹配模型，並將當前的深度學習解決方案分為兩類：表示學習方法和匹配函數學習方法。第6章對全書內容做了總結，並為讀者指明進一步學習的方向。 本書適合對深度學習感興趣的各類讀者，包括相關專業的本科生、研究生、博士生，以及從事信息檢索、搜索引擎、推薦系統、計算廣告相關工作的軟件工程師。

《強化學習(第2版)》作為強化學習思想的深度解剖之作，被業內公認為是一本強化學習基礎理論的經典著作。它從強化學習的基本思想出發，深入淺出又嚴謹細緻地介紹了馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、同軌離軌策略等強化學習的基本概念和方法，並以大量的實例幫助讀者理解強化學習的問題建模過程以及核心的算法細節。《強化學習(第2版)》適合所有對強化學習感興趣的讀者閱讀、收藏。

機器學習是關於從數據中建立預測或描述模型，以提升機器解決問題能力的學科。在建立模型後，需要采用適當的優化算法來求解模型的參數，因此優化算法是機器學習的重要組成部分。但是傳統的優化算法並不完全適用於機器學習，因為通常來說機器學習模型的參數維度很高或涉及的樣本數巨大，這使得一階優化算法在機器學習中占據主流地位。本書概述了機器學習中加速一階優化算法的新進展。書中全面介紹了各種情形下的加速一階優化算法，包括確定性和隨機性的算法、同步和異步的算法，以求解帶約束的問題和無約束的問題、凸問題和非凸問題，對算法思想進行了深入的解讀，並對其收斂速度提供了詳細的證明。本書面向機器學習和優化領域的研究人員，包括人工智能、信號處理及應用數學特別是計算數學專業高年級本科生、研究生，以及從事人工智能、信號處理領域產品研發的工程師。

[千腦智能]近些年，當人們談論人工智能時，總熱衷於討論算法的優化、模型的迭代、算力的多少。人們不斷地在追求模型的深度、數據的規模和芯片的算力。海量參數的複雜網絡仿佛就是人工智能的發展方向。然而，這就是真的智能嗎？科技界的一代傳奇人物、計算機科學家與神經科學家傑夫·霍金斯在《千腦智能》中揭示了一種關於大腦和智能的理論――千腦智能理論，這將徹 底改變我們對大腦和人工智能的未來的理解。就像人類蕞終不是通過模仿鳥類，而是通過理解空氣動力學而發明了飛行一樣，在我們改進機器和深度學習的同時，我們需要首先瞭解大腦是如何工作的。傑夫·霍金斯和他的團隊發現，大腦使用類似地圖的結構來建立一個世界的模型――不僅僅是一個模型，而是成千上萬個我們所知道的一切的模型，也就是千腦智能理論。這一發現為創造機器智能提供了清晰的路線圖。霍金斯多年深耕於大腦研究的領域，終於在這本書中給出了答案。 [新機器智能]人工智能領域一直以來堅信：只要人工智能系統能產生類似于人類的行為，它就是智能的。於是，我們看到了能夠打敗國際象棋guan軍的計算機棋手，能夠根據路況選擇行駛路線的無人駕駛汽車，能夠做手術的“醫生”……人們甚至開始擔憂：有朝一日，機器人會不會超越人類，進而奴役人類？在《新機器智能》一書中，科技界一代傳奇傑夫·霍金斯指出，如今的人工智能並不智能。要想創造眞正的機器智能，蕞快的途徑是理解大腦的工作原理，然後在計算機中模仿這些原理。霍金斯一生癡迷兩件事――計算機和大腦。早在幾十年前，他創建的Palm掌上電腦就在商業上取得了巨大成功，也成為現代智能手機的原型。但霍金斯一心想弄清楚大腦的工作原理。經過數十年的不懈努力，他終於發現了其中的奧秘：大腦學習世界的一個模型，並使用這個模型來預測未來。人類的創造力、意識都是通過這個模型產生的。這一全新的智能理論框架被命名為“記憶-預測模型”，它改變了人們對智能的看法，也為開發眞正的機器智能奠定了堅實的基礎。《新機器智能》主題宏達又足夠吸引人，深入探討了智能的核心問題：計算機真的智能嗎？大腦是如何工作的？為什麼弄清大腦的工作原理如此困難？如果不以行為來定義，那應該怎樣定義智能呢？“記憶-預測模型”的含義是什麼？如果你想瞭解自身、瞭解智能、瞭解機器智能，那麼一定不要錯過霍金斯的這一本里程碑式作品。