人工智能是一个涉及多学科的交叉学科，涵盖了机器学习、计算机视觉、智能控制等诸多领域，其研究成果已经广泛应用于人们的生活实践中。本书专注于人工智能的基本原理和实践应用，分为理论篇和实验篇。理论篇包括第1～6章，主要介绍了人工智能基础知识、深度神经网络、深度神经网络的软件平台、典型网络及应用示例、ChatGPT和AIGC；

本书遵循我国职业教育、技能人才教育课程改革的基本理念，以人工智能方向的实际应用为核心，以技能培养为重点，对人工智能应用技术进行了系统讲解。本书共分为8个项目，主要内容包括初识人工智能、探索数字世界中人工智能技术的基础、在AI中如何让机器习得知识、人工智能前沿技术之深度学习、揭秘计算机视觉的由来、自然语言处理技术、解码人

本书为人工智能概论等基础类课程的配套实验教材。全书共包含12个实验，分为三篇：人工智能前篇(包含图像编辑与处理、视频编辑与处理、熟悉常用网络命令功能及使用、流程图与结构化框图设计4个实验)、人工智能应用篇(包含机器学习算法应用与实现、云服务配置与应用、大模型在线绘图3个实验)和人工智能信息篇(包括Windows操作系统

本书共9章，涉及的计算智能包括进化计算（遗传算法及其DNA与RNA计算、Memetic算法）、群体智能计算（雁群优化算法、蝙蝠算法、猴群算法）、仿自然规律计算（万有引力搜索算法）及仿人智能计算（神经网络、细胞神经网络、自组织神经网络）。每类计算智能都给出了其在信号处理领域的应用案例。全书融理论性、系统性与实战性于一体，

本书基于现代人工智能科学技术的最新发展，深入浅出地介绍了人工智能的相关概念、基础技术和应用技术，重点介绍了人工智能的应用领域和前沿技术；还精心介绍了人工智能的开发框架与开放平台、支撑技术与硬件设施，可供读者拓展阅读。每章都有与之对应的章节习题，供读者学习，以强化其解决问题的能力。 本书致力于推动人工智能的普及教育，强调

本书系统梳理了人工智能的发展历史、基础理论、核心技术与前沿应用。全书共9章,从人工智能的起源与发展脉络讲起,逐步展开对现代人工智能技术的系统阐述,涵盖了神经网络、卷积神经网络、循环神经网络、图神经网络、Transformer网络、生成式学习网络以及以GPT为代表的大规模预训练模型等关键技术。各章不仅详细讲解了相关技术的

机器学习是一门多领域交叉学科，涵盖概率论知识、统计学知识、近似理论知识和复杂算法知识，使用计算机作为工具，致力于真实实时地模拟人类学习方式，并将现有内容进行知识结构划分来有效提高机器学习效率。本书共分为七章：第一章，机器学习概述，介绍了机器学习的特点、分类以及应用；第二章，线性回归，包括线性回归模型的建立、学习策略的确

全书分为七部分：深度学习与深度置信网络研究现状、深度置信网络参数自适应学习、自组织深度置信网络、增量式深度置信网络、生成式对抗性深度置信网络、事件驱动的深度置信网，以及事件驱动的深度置信网络预测控制。每一部分均在工业过程优化运行中有相应实验测试与应用实践。从理论方法到应用实践，书中的内容从基础概念到最新进展均有涵盖，使

本书重点针对应用层的ChatGPT开发核心技术进行介绍，着重于案例分析和最佳实践的讲解。全书共16章，包括ChatGPT端到端语音聊天机器人项目实战、ChatGPT应用开发的三大核心内幕及典型案例、ChatGPT底层架构Transformer技术及源码实现、GPT内幕机制及源码实现逐行解析、GPT-2源码实现及GPT-

本书的主要内容为连续学习的理论和应用的一些关键技术方法，其创新点包括：(1)提出一种跨时序任务的感知目标函数；(2)提出一种代表性重演样本挑选算法；(3)提出一种基于元学习的训练样本影响的计算方法；(4)提出一种基于非对称的梯度度量与最大差异优化算法；(5)提出一种基于增广图网络的连续多标签分类算法；(6)提出一种基于