本书第1章和第2章分别描述了经典的全局贝叶斯优化和群体优化算法，并讲解了帕累托前沿。第3章迁移学习和多任务学习通过整合多个源域的数据能够提高AI模型的鲁棒性。迁移学习和多任务学习中即使用了许多经典机器学习算法，也使用了大量深度学习算法。本书的第4-9章都是关于深度学习的，包括第4章的卷积神经网络(CNNs)、第5章的递归神经网络(RNNs)和长短期记忆网络(LSTMs)、第6章的图神经网络(GNN)、第7章的生成对抗网络(GANs)、第8章的扩散模型、第9章的Transformers以及第10章的物理信息神经网络(PINN)。除了监督学习和无监督学习，强化学习(RL)被视为第三种机器学习范式，因此第11章介绍了强化学习和深度强化学习。

更多科学出版社服务，请扫码获取。