本书从原理和实战两个维度对GAN进行了全面讲解。全书一共12章，分为两个部分：第一部分（第1-5章）原理篇对生成模型，以及GAN的优化、训练、评估、可视化、结构等原理性内容进行了详细讲解。第二部分（6-12章）实战篇这部分对GAN的主要应用场景的实战性内容进行了讲解，包括图像生成、风格迁移、图像增强、图像分割、目标检测

本书旨在为有兴趣更好地理解数学和统计的学生提供一个可访问的、全面的教科书，这些数学和统计知识是数据科学和机器学习算法的基础。

本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。全书分为四部分：第一部分介绍图神经网络的基本概念；第二部分讨论图神经网络成熟的方法；第三部分介绍图神经网络典型的前沿领域；第四部分描述可能对图神经网络未来研

本书内容共分为10章，从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源、计算机器的历史，以及当代人工智能历史。第3章介绍与人工智能有关的哲学概念、分支

本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课，专门解决“入门深度强化学习难”的问题。 本书的独特之处在于：第一，知识精简，剔除一切不必要的概念和公式，学起来轻松；第二，内容新颖，聚焦近10年深度强化学习领域的突破，让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现，但不回避数学公式和各种模型

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书涵盖了机器学习和深度学习的基础知识，主要包括机器学习的概述、统计学基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、文本分析、分布式机器学习算法等经典的机器学习基础知识，还包括卷积神经网络、循环神经网络、生成对抗网络、目标检测、自编码器等深度学习的内容。此外，

本书从理论结合实践编程来学习推荐系统。由浅入深，先基础后进阶，先理论后实践，先主流后推导。第1章较为简单，仅初步带领大家了解什么是推荐系统及推荐系统的简史。第2章到第5章介绍的是主流的推荐算法及推荐算法的推导过程，这部分是本书的核心，每个算法都描述的非常详细且有具体代码帮助大家理解，深度学习的框架将采用PyTorch。

面向MATLAB工具箱的神经网络（第4版）

袁红春,男,博士,教授,博士生导师,1971年1月生。 人工智能（ArtificialIntelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包

人们言语交际的实质就是一个交际意图的传达与解释的过程，因而智能机器人要实现深度自然语言理解，必须具备交际意图识别能力。本书首先讨论了交际意图的内涵与特征，并探索了交际意图的形式化表示方式，也进一步分析了交际意图的层级系统；然后根据话语是否明确表达了交际意图，把话语分成交际意图明示句和交际意图暗示句两类；接着深入讨论了从