隨著大數(shù)據(jù)、物聯(lián)網(wǎng)和5G等技術(shù)的發(fā)展，人工智能早已進(jìn)入我們的生活，并作為核心驅(qū)動力，對各行各業(yè)進(jìn)行了深刻的塑造和改變，推動著商業(yè)模式、經(jīng)濟結(jié)構(gòu)甚至國家戰(zhàn)略的升級革新。本書作者精心構(gòu)建了認(rèn)知覺醒、工具賦能和商業(yè)落地三個篇章九大思維，旨在全方位、多層次地展現(xiàn)AI思維的魅力與力量，為讀者呈現(xiàn)一個完整的AI思維框架體系。本書是
隨著人工智能技術(shù)的廣泛應(yīng)用，傳統(tǒng)的意識形態(tài)工作面臨著前所未有的機遇和挑戰(zhàn)。一方面，人工智能以其強大的信息傳播能力，為意識形態(tài)的傳播提供了更為便捷、高效的渠道，使得各種思想和觀念能夠以前所未有的速度和廣度進(jìn)行傳遞；另一方面，人工智能技術(shù)也可能成為某些不良信息的擴散工具。本書旨在為讀者提供一個全面、深入地理解人工智能在意識
本教材全面介紹了機器學(xué)習(xí)與模式識別的基本概念、核心理論方法和最新研究進(jìn)展與應(yīng)用。全書系統(tǒng)地講解了機器學(xué)習(xí)算法、模型評估與優(yōu)化、特征提取與選擇、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)等關(guān)鍵技術(shù)。同時，結(jié)合實際案例，分析了機器學(xué)習(xí)與模式識別在計算機視覺、智能語音識別、自然語言處理等領(lǐng)域的應(yīng)用。
隨著AI技術(shù)的不斷成熟，AI已經(jīng)在內(nèi)容創(chuàng)作領(lǐng)域展現(xiàn)出巨大的潛力。本書從AI的發(fā)展歷程出發(fā)，系統(tǒng)介紹AI技術(shù)在文字、圖像、視頻等不同類型內(nèi)容生成中的應(yīng)用方法與技巧。本書提供了豐富的實戰(zhàn)案例，通過詳細(xì)的步驟解析，讀者不僅能夠全面了解AIGC的理論基礎(chǔ)，還能掌握具體的操作技能和實戰(zhàn)經(jīng)驗。無論是初次接觸AIGC的新手，還是希望
本書系統(tǒng)講解了ChatGPTAI實戰(zhàn)的基本操作知識，如基礎(chǔ)操作、進(jìn)階操作、常見提示詞模板的使用和ChatGPT在常見領(lǐng)域的綜合應(yīng)用等。學(xué)習(xí)本書可以快速掌握ChatGPTAI實戰(zhàn)應(yīng)用。全書共11章，分別講解了ChatGPT入門的基本操作、編寫與優(yōu)化ChatGPT的提示詞、ChatGPT文案創(chuàng)作提示詞模板、ChatGPT生
本書全面探討生成式人工智能（AIGC）在文化傳播領(lǐng)域的機遇、挑戰(zhàn)、信任形成機理及提升策略。首先分析AIGC在文化傳播中的角色，探討其如何推動文化創(chuàng)新和多樣性，并討論其在跨文化交流中的價值。重點強調(diào)了在數(shù)字信任危機中構(gòu)建新的文化傳播模式。在個體信任的影響因素方面，通過結(jié)構(gòu)方程模型揭示了知識尋求、工作效率和社會互動在信任形
人工智能和機器學(xué)習(xí)受數(shù)據(jù)驅(qū)動的趨勢日益明顯。仿真技術(shù)不僅強大，而且魅力無窮，有望釋放兩者的全部潛能。本書的主要內(nèi)容有：用Unity引擎和仿真技術(shù)，解決機器學(xué)習(xí)和人工智能問題。用游戲引擎合成圖像訓(xùn)模。創(chuàng)建仿真環(huán)境，訓(xùn)練強化學(xué)習(xí)和模仿學(xué)習(xí)模型。采用PPO等高效通用算法解決基于仿真的機器學(xué)習(xí)問題。用不同方法訓(xùn)練多種機器學(xué)習(xí)模
本書深入探討了四元數(shù)神經(jīng)網(wǎng)絡(luò)在表情識別任務(wù)中的突破性應(yīng)用。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比，四元數(shù)神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜情感信息時展現(xiàn)出了更強特征分析能力和更低計算量的雙重優(yōu)勢。書中內(nèi)容主要展現(xiàn)這一前沿技術(shù)在特征表示、數(shù)據(jù)融合和信息處理上的巨大潛力，以及如何在表情識別任務(wù)中顯著提升精度與效率。本書所有的內(nèi)容都充分結(jié)合理論分析與實證研
本書將最優(yōu)控制方法融入機器學(xué)習(xí)的研究中，創(chuàng)新地建立了一個基于最優(yōu)反饋控制在線學(xué)習(xí)框架，并在該框架下提出了一系列用于解決線性和非線性的分類與回歸問題的魯棒自適應(yīng)學(xué)習(xí)算法;構(gòu)建了基于最優(yōu)控制的魯棒在線學(xué)習(xí)架構(gòu)，分別討論該架構(gòu)下的線性回歸、二分類和多分類問題，并且將線性問題的架構(gòu)拓展到非線性回歸與分類問題；提出了基于控制的深
密態(tài)深度學(xué)習(xí)可以在不解密加密數(shù)據(jù)的前提下對授權(quán)用戶提供深度學(xué)習(xí)服務(wù)，并可防止非授權(quán)用戶對授權(quán)用戶的數(shù)據(jù)進(jìn)行竊取與利用。該技術(shù)突破了密態(tài)數(shù)據(jù)無法在非可信環(huán)境下被有效利用的技術(shù)瓶頸，實現(xiàn)了安全學(xué)習(xí)，萬物互聯(lián)。本書從大數(shù)據(jù)、人工智能面臨的隱私挑戰(zhàn)出發(fā)，以密態(tài)深度學(xué)習(xí)理論框架與技術(shù)方法研究為主線，從理論模型到實際應(yīng)用，系統(tǒng)闡述
書單推薦 新書推薦
