《人工智能导论（文科版）》是针对文科类专业教学需求专门编著的教材。在理工版《人工智能导论》教材基础上，文科版教材本着通俗性、趣味性、前沿性和系统性的原则，内容更通俗易懂。本教材是北京市属公办本科高校《人工智能通识课》以及北邮文科专业《人工智能导论》课程的配套教材，主要内容包括：认识人工智能、人工智能的社会角色、人工智能

视觉跟踪是一个计算器视觉领域内的基本任务，该任务在自动驾驶、智能监控、人机交互以及医学成像等多种运用中具有很高的实用价值，因此大量的研究力量被投入其中。然而，在真实的对象跟踪场景中，视频目标跟踪往往会由于复杂场景条件和目标运动的随机性，目标物体经常出现光照变化、旋转、伸缩、遮挡、曝光不足、背景变化、运动的复杂性和随机性

机器学习是人工智能领域的重要组成部分，其深度和广度都在持续扩展。本书不仅对机器学习基础知识进行了全面介绍，而且深入讨论了各种经典和常用的机器学习方法。通过理论与实践相结合的方式，帮助读者理解机器学习的基本原理，掌握常用的方法，并能够在实际问题中应用这些技术。本书共10章，可分为两部分。第一部分主要介绍机器学习的背景知识

本书通过在基因、神经元和细胞等微观层面的计算机建模研究神经系统与形态（身体）的协同演化与发育。首先介绍演化算法、基因调控网络以及脉冲神经网络等用于理解和模拟生物神经系统及形态的演化与发育的计算方法，分析基因调控网络的鲁棒性、可演化性、网络模体、连通性等重要特性，并提供生物调控网络逆向工程的案例。其次介绍多细胞生长模型和

本书是一部科技类学术专著。本书系统阐述了人工智能模型的基本原理、理论基础及在复杂系统中的应用架构设计，从数据采集与预处理、模型评估与选择到自然语言处理应用，全面剖析了人工智能模型从理论到实践的完整流程。本书还着重探讨了应用系统实现与优化策略，以及人工智能模型在保障安全与隐私保护方面的最新进展。最后，本书对模型应用系统的

本书指导读者学习如何使用生成媒体技术与人工智能创建新颖的图像或音乐。数据科学家和软件工程师将了解最先进的生成模型是如何工作的，如何根据您的需求进行微调和调整，以及如何结合现有的构建块来创建不同领域的新模型和创造性应用程序。本书以直观的方式介绍了理论概念，并提供了大量的代码示例和插图，您可以在诸如Googlecollab

诸如ChatGPT和DALL-E这样的大型语言模型(LLM)和扩散模型拥有前所未有的潜力。通过使用互联网上的公共文本和图像进行训练，这些模型能够为各种任务提供帮助。而且，随着准入门槛的显著降低，几乎任何开发人员都可以利用AI模型来解决以前不适合自动化的问题。借助本书，你将在生成式人工智能方面打下坚实的基础，学会如何在实

本书为再版教材，内容上包括经典控制理论的线性定常系统理论(时分析法、根轨迹法、频率响应法等)，非线性系统理论和线性离散(时间)控制系统理论等。本书在原有保持课程内容的系统性和连贯性的基础上，增设了导读部分，细致介绍了各章学习内容与学习目标，重点突出学习重难点，篇幅精简。各章均有较丰富的例题和习题，便于读者自学。

本书介绍了在人工智能与大数据时代背景下，网络表示学习的理论与应用。提出了网络表示学习的关键在于将网络中的节点映射到低维空间，形成能够反映节点间复杂关系的向量表示。书中讨论了各种先进的网络表示学习方法，如基于图注意力机制、图自编码器和深度学习技术，并提供了大量实验和案例分析，展示了这些方法在不同数据集上的应用效果。这些案

人工智能已在多个行业得到成功应用，大模型的应用已成为突破性进展的重要驱动力，而在特定垂直领域，如医疗、法律、金融等，大模型微调面临独特的挑战和需求。本书致力于大型语言模型微调与应用的关键技术，探讨两个热门应用方向：大模型的知识专业性和时效性。剖析了垂直领域大模型训练的背景及意义，探讨大模型在垂直领域的迁移学习、应用部署