本书着重讨论了神经网络的基础理论、算法优化改进、模型融合及其在工业实际中的应用。按照“理论-方法-应用”的主线，各章分配如下：第一、二章介绍了以权值初始化、激活函数和正则化为核心的相关理论和网络性能优化方法；在此基础上，第三、四章提出了缓解数据不平衡、模型稀疏化及模型融合等问题的方法；第五章将前述方法应用于故障诊断、寿

本书内容涵盖基础理论、关键技术和安全攻防体系，旨在为读者构建完整的大模型安全知识框架，助力构建安全可信的大模型生态系统。本书不仅填补了大模型安全领域的理论空白，更为产业实践提供了系统化的解决方案，对促进人工智能安全健康发展具有重要的理论价值和实践意义。

本书以“实操”为导向，以“最少必要知识”为原则，既系统讲解了人工智能（AI）的核心技术，又以易于理解的“智慧消防”为案例贯穿全书始终，兼顾理论框架的完整性与实操落地的可行性，让读者既能夯实AI基础知识，又能快速动手构建实用的智能体。

本书介绍了人工智能领域的发展背景以及学科内涵，包含了围绕本科生的人才培养，重点介绍了依托于北京大学元培学院、清华大学自动化系建设的“通用人工智能实验班”的情况。针对研究生的人才培养，本书一方面立足于人工智能的学科内涵，即对内融合，依托北京大学智能学院开展工作，学生以人工智能的具体子领域为研究方向，旨在突破前沿基础理论；

本书从理论、技术与应用结合的角度，对无人系统综合保障的核心内容与关键技术进行系统阐述，涵盖无人系统综合保障技术的基本概念与技术体系、无人系统综合保障特点与需求分析、无人系统通用质量特性技术、无人系统综合保障关键使能技术和无人系统综合保障发展趋势分析等内容。

本书围绕AI在典型工程领域的应用实践，将机器学习理论融入具体应用场景中，力图通过构建场景化教学案例创新机器学习技术人才培养模式。内容上本书采用理论结合实践的模式，选择国民生产5个典型领域的真实工程案例为对象，即“AI+科学计算”、“AI+加工制造”、“AI+智能运维”、“AI+后市场服务”和“AI+环境感知”，选择其中

本书摒弃空洞理论，通过60个高阶技巧，覆盖信息获取、内容创作、数据处理与分析、编程与自动化、商业应用、教育学习、多媒体内容创作及个人效率提升等8大核心领域，以分步教程、案例驱动和专家建议的形式，手把手教你解决真实场景中的痛点。书中每个技巧均可在10分钟内掌握，助你迅速实现效率翻3倍的目标。你将学会让Manus成为你的“

本书是《概率机器学习(基础篇)》的进阶篇，扩展了机器学习范围，对基础篇中的各个主题进行了更深入的讨论。本书在第一部分详细介绍了所需的理论基础知识(包括概率论、统计学、图模型、信息论和优化)，在后续的部分分别讨论推理方法(包括高斯滤波和平滑、消息传递算法等)、预测模型(包括广义线性模型、深度神经网络等)、生成模型(包括变

本书系统介绍深度学习的核心概念、主流模型与实战方法。内容涵盖神经网络基础、卷积神经网络、循环神经网络、图神经网络、生成对抗神经网络、Transformer、扩散模型、深度强化学习等前沿方向，详细阐述各类模型的数学原理、网络结构、训练流程与优化方法，并结合PyTorch框架提供了丰富的代码示例与完整项目解析。同时，每章配

本书共16章。第1-3章从大模型的基本概念入手，详细讲述其背后的神经网络原理，并介绍PyTorch框架，为读者打下坚实的理论与实践基础。第4-8章深入剖析构建大模型的各类核心架构，包括多层感知机、卷积神经网络、循环神经网络、Transformer以及生成对抗网络，阐述不同基础神经网络的使用场景和数据处理方案。第9-14