本书紧跟时代、自成一体，用清晰易懂的方式介绍了神经网络机器学习这一重要主题。除了描述这一主题的数学原理及其历史演变，本书还与统计物理的基本方法及科学和工程领域的当前应用有着密切的联系。本书内容紧密围绕完善的本科课程，在使用人工神经网络进行现代机器学习的关键方面，为物理、数学和工程专业的学生提供了基础知识。本书包含大量的

本书提出独创的“实验五元素法”——任务(Task)、算法(Algorithm)、器材(Equipment)、程序(Program)、效果(Effect)，以结构化的方式指导教师与学生进行实验设计与数据分析。每个案例都提供了硬件连接图、程序代码和实验结果展示，能够在课堂教学、教师培训或学生科技创新活动中直接使用。内容涵盖

本书系统阐述深度学习的基本原理与核心方法，共7章。第1章概述深度学习基础概念与主要应用领域；第2章详解深度神经网络开发全流程和环境安装与配置实验；第3章解析卷积神经网络及目标检测实验；第4章探讨循环神经网络及其文本分类应用实验；第5章阐释生成对抗网络与图像生成实验；第6章剖析Transformer及轨迹预测实验；第7章

全书共9章，基础算法篇(第1-4章)讲述线性方程组的直接解法、经典迭代解法和Krylov子空间法。应用算法篇(第5章和第6章)介绍特征值和最小二乘法问题算法，这些算法在人工智能中有着广泛应用。优化算法篇(第7-9章)介绍深度学习和人工智能中常用的优化算法，包括SGD、MBSGD、Adam、DFP、BFGS等；最后结合B

本书基于作者从事人工智能领域前沿研究和课程教学的经验编写，从人工智能的起源和发展历程出发，重点介绍了与人工智能相关的主要方法，包括搜索与求解算法、自动推理与定理机器证明、机器学习、自然语言处理和人机交互、文字图像和语音模式识别等，同时对人工智能与未来技术的发展进行了展望。此外，本书还对我国学者在数学机械化与人工智能其他

本书共分为三个部分。第一部分(第1-3章)：这部分是全书的逻辑起点。通过解析当前大模型的瓶颈与技术隐患，回答了“为什么需要寻找新范式”的问题。建议所有读者通读，以建立对行业现状的清醒认知。第二部分(第4-9章)：这部分是核心技术推演。从自主学习机制到四阶段发展路径，这部分都进行了详细介绍，涵盖了底层算法替代、软硬件协同

本书开篇介绍AI基础知识与攻防环境搭建，为后续深入探讨筑牢根基；随后深入剖析模型攻击，涵盖投毒攻击、木马篡改攻击、供应链攻击等多种类型，详细阐述其原理、实施方式及应对策略。针对已部署AI系统的攻击，如规避攻击、隐私窃取攻击等手段，书中也有全面解析，并给出防御方法。本书在生成式AI与对抗攻击部分，探讨GAN、大语言模型面

本书立足实践视角，由浅入深系统讲解DeepSeek高性能应用开发核心内容，细致梳理软件开发技巧与提示词工程相关知识。全书共六章，按行业领域划分应用方向，全面覆盖多领域DeepSeek实操应用，书中多数案例搭配实景效果图，直观展示界面样式与操作流程，降低学习理解难度。

本书以人工智能为主线，按照人工智能的发展历程，主要介绍了人工智能的基本概念、原理和方法。全书共8章，包括初识走进人工智能世界、智能的源头：从生物认知到机器仿生、机器的"知识库”——知识表示与推理引擎、机器的"学习力”——机器学习基础、计算机视觉：从"看见”到"理解”与"创造”、语音感知、识别与合成技术、自然语言处理：从

本书立足高等院校学生的知识结构与学习需求，精心构建“理论深度探究+跨学科融合实践+伦理价值反思”三位一体的系统化知识框架。本书共10章，内容涵盖初识人工智能、脑认知科学与人工智能、知识工程、机器学习、深度学习与大模型、计算机视觉、自然语言处理、声纹信息处理、智能机器人、人工智能伦理与社会影响。全书知识点全面，表述深入浅