三民網路書店 中國圖書館分類法 / 工業技術 / 自動化技術、計算機技術 / 自動化基礎理論 / 人工神經網絡與計算

本書從人工智能的發展史講起，逐步深入神經網絡的框架結構以及算法優化的原理，最後通過經典案例為讀者在實戰中演示神經網絡的具體工作流程。讓讀者通過理論結合實戰的方式深入瞭解深度學習的核心特點及用法。本書共 10 章，涵蓋的主要內容有深度學習探索、安裝 TensorFlow、初識 TensorFlow、深度神經網絡、機器學習優化問題、全連接神經網絡的經典實戰、認識卷積神經網絡、經典 CNN 實戰系列、循環神經網絡、對抗神經網絡。本書配有漫畫插圖，以經典案例和身邊的生活場景作為算法實操的素材來源，極大地增強了本書的可讀性，非常適合深度學習的人工智能愛好者閱讀。另外，本書也可作為相關培訓機構的教材。

本書介紹深度學習領域先進的技術以及深度學習在主要的自然語言處理任務中的成功應用，包括語音識別和理解、對話系統、語義分析、句法分析、知識圖譜、機器翻譯、問答、情感分析、社會計算和基於圖像的自然語言生成。本書對深度學習時代自然語言處理領域的不同研究前沿進行了概括與分析，還列舉了深度學習與自然語言處理領域中交叉的技術性術語以及常用的首字母縮略詞。在深度學習的基礎上，本書使用深度學習的方法對自然語言處理領域內的問題進行研究，對自然語言處理領域中的機器閱讀理解、人機對話和知識圖譜方向進行深入研究，提出解決方案並對方案進行分析和評價。本書面向深度學習與自然語言處理領域高年級的本科生、研究生、博士後研究員、講師、行業的研究員以及任何對此領域感興趣的人。

本書為“科學計算機及其軟件教學叢書”之一。全書共4個部分，分別介紹了計算智能的4個典型代表：演化計算、群體智能算法、人工神經網絡和Fuzzy計算。第1部分介紹了遺傳算法、遺傳程序設計、演化策略和演化規劃4種主要的演化計算機技術；第2部分介紹了粒子群優化和蟻群優化兩種具有代表性的群體智能算法；第3部分介紹了人工神經網絡的基本概念和學習算法；第4部分介紹了Fuzzy計算的基本理論及應用。

本書共9章, 內容包括近年來作者在Clifford代數上的模糊運算與時標上Clifford代數的緊幾乎自守函數理論及應用方面的最新研究成果，主要包括概週期時標上的緊幾乎自守函數的定義及基本性質, 在Clifford代數上的模糊運算的定義及相關性質以及時標上Clifford值神經網絡系統的概週期解、偽概週期解、加權偽概週期解、幾乎自守解的存在性問題方面的應用. 本書可以作為高等院校理工科研究生以及教師的科研參考書，也可供從事相關理論和應用研究的科研工作者閱讀使用。

本書全面講述人工智能算法的理論基礎和案例編程實現。第1章簡要介紹機器學習的發展及其應用。第2章和第3章主要介紹機器學習經典分類算法、聚類算法、集成算法和隨機森林算法，以及這些算法的具體內容、算法原理和案例編程實現。第4章介紹了深度學習的概念、原理、研究現狀，以及典型的神經網絡及其相關網絡的案例編程實現。第5章介紹了強化學習的發展及其相關算法，包括Q-學習算法、蒙特卡洛算法和動態規劃算法，以及這些算法的原理和案例編程實現。第6章介紹了遷移學習的發展及其相關算法，主要包括TrAdaBoost算法和層次貝葉斯算法，以及這些算法的原理和案例編程實現。第7章主要介紹了聯邦學習的研究現狀和相關算法，涉及聯邦平均算法和縱向聯邦學習算法，以及算法的原理和案例編程實現。第8章介紹了因果學習的研究現狀和典型模型算法，包括結果因果模型和多變量結構識別算法，還有這些模型和算法的原理以及案例編程實現。第9章和第10章分別介紹了文本挖掘和圖像處理的研究現狀，以及應用于文本和圖像的一些算法，涉及算法的原理介紹和案例編程實現。第11章介紹了人工智能大模型的發展及研究現狀，包括Transformer和GPT，以及相關的改進模型，並對其中典型的模型應用案例進行了分析。本書可作為計算機科學與技術、智能科學與技術、人工智能等專業高年級本科生和研究生教材，也可供從事或有志於人工智能行業的研究人員和從業者參考。

圖神經網路（GNN）是基於深度學習的圖資料處理方法，因其卓越的性能而受到廣泛關注。本書全面介紹了GNN的基本概念、具體模型和實際應用。書中首先概述數學基礎和神經網路以及圖神經網路的基本概念，接著介紹不同種類的GNN，包括卷積圖神經網路、迴圈圖神經網路、圖注意力網路、圖殘差網路，以及幾個通用框架。此外，本書還介紹了GNN在結構化場景、非結構化場景和其他場景中的應用。讀完本書，你將對GNN的最新成果和

計算神經科學作為腦科學與人工智能之間的橋樑，是一門高速發展的新興交叉學科。本書採用理論與實踐結合的方式為讀者講述計算神經科學的基礎知識。它從基礎的數學和物理原理出發，詳細介紹了各類神經元模型、突觸模型，以及具有不同結構和功能的網絡模型，如興奮―抑制平衡網絡、決策網絡、連續吸引子網絡、庫網絡等。本書不僅講解了理論知識，還基於BrainPy(專門針對計算神經科學設計的編程框架)提供了實踐代碼，使讀者能夠動手模擬和分析神經系統的行為和性質。本書既可以作為計算神經科學的教材，也可以作為對該領域感興趣的讀者的參考書。

本書以產業需求為牽引，介紹了新時期機器翻譯的產業需求特點、神經網絡機器翻譯的原理與方法、最新技術進展及產業應用。內容包括大規模翻譯語料獲取技術、機器翻譯質量評價方法、神經網絡機器翻譯原理及主流方法、高性能機器翻譯、多語言機器翻譯、領域自適應、機器同聲傳譯、大規模產業化應用等，兼具理論與實踐，既有對原理與方法的介紹，又有豐富的產業應用案例。

本書深入講解神經網絡和深度學習技術，側重於闡釋深度學習的核心概念。作者以技術原理為導向，輔以貫穿全書的MNIST手寫數字識別項目示例，介紹神經網絡架構、反向傳播算法、過擬合解決方案、卷積神經網絡等內容，以及如何利用這些知識改進深度學習項目。學完本書後，讀者將能夠通過編寫Python代碼來解決複雜的模式識別問題。

本書主要研究了狀態相關的脈衝對(切換)神經網絡穩定性的影響，以及利用脈衝免疫(脈衝解毒)怎麼控制網絡病毒的傳播，是作者近年來的研究成果。 本書首先介紹了狀態相關的脈衝(切換)系統、神經網絡模型、計算機病毒傳播模型，然後運用B-equivalence 方法、Lyapunov 函數和一些分析技巧研究了幾類狀態相關的脈衝(切換)神經網絡的穩定性問題，最後利用脈衝微分方程的比較定理和分岔理論研究了帶有脈衝免疫、脈衝解毒和飽和效應的計算機病毒傳播模型的動力學性質。 本書可供從事脈衝系統理論、神經網絡、網絡傳播動力學等領域工作的教學、科研人員參考，也可作為相關專業研究生的參考書。

本書首先從簡單的思路著手，詳細介紹了理解神經網絡如何工作所必須的基礎知識。第一部分介紹基本的思路，包括神經網絡底層的數學知識，第2部分是實踐，介紹了學習Python編程的流行和輕鬆的方法，從而逐漸使用該語言構建神經網絡，以能夠識別人類手寫的字母，特別是讓其像專家所開發的網絡那樣地工作。第3部分是擴展，介紹如何將神經網絡的性能提升到工業應用的層級，甚至讓其在Raspberry Pi上工作。

本書系統地論述了人工神經網絡的主要理論和設計基礎，給出了大量應用實例，旨在使讀者瞭解神經網絡的發展背景和研究對象，理解和熟悉其基本原理和主要應用，掌握其結構模型和基本設計方法，為以後的深入研究和應用開發打下基礎。 全書共分為10章，第1、2章介紹了神經網絡的發展歷史、基本特徵與功能、應用領域及基礎知識，第3～10章展開介紹了單層感知器、基於誤差反傳的多層感知器、徑向基函數神經網絡、競爭學習神經網絡、組合學習神經網絡、反饋神經網絡、支持向量機、深度神經網絡等內容。為了方便梳理知識點，每章都附有本章小結。為了方便學習、加深理解，在書後附錄中給出了例題與詳解及神經網絡常用術語的英漢對照。 本書可作為高等學校人工智能、智能科學與技術、自動化等相關專業人工神經網絡的教材，也可供人工智能科研人員參考。

本書從設計輔助、人機工程、人機交互以及設計思維四個方面闡述生理計算技術在設計領域中的結合方式與應用方法，內容涉及生理計算與設計、生理測量與評價、生理信號特徵提取和生理計算在設計領域的應用等。

本書將人工智能與人類智能深度融合，系統、全面地介紹了類腦智能目標檢測網絡的構建原理、方法、過程，具有較高的學術價值；同時，本書將所構建的類腦智能目標檢測網絡在無人車交通標志檢測、無人車-機械臂協同作業這兩個場景進行了示範應用，具有較大的工程應用價值。本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統研究的科研工作者，以及人工智能、電子信息、計算機工程等相關專業的博士研究生、碩士研究生。

本書是《神經網絡與深度學習》（蒲公英書）的配套實踐書，由復旦大學邱錫鵬教授和百度飛槳團隊合作完成。本書在章節設計上和《神經網絡與深度學習》一一對應，並以模型解讀+案例實踐的形式進行介紹。模型解讀主要聚焦如何從零開始一步步實現深度學習中的各種模型和算法，並結合簡單的任務來加深讀者對模型和算法的理解；案例實踐主要強調如何使用飛槳預定義API來更好地完成實際任務，會涉及一些數據預處理問題。建議讀者將本書和《神經網絡與深度學習》結合閱讀，在動手實踐中更深入地理解深度學習的模型和原理。

本書致力於介紹圖神經網絡的基本概念和算法、研究前沿以及廣泛和新興的應用，涵蓋圖神經網絡的廣泛主題，從基礎到前沿，從方法到應用，涉及從方法論到應用場景方方面面的內容。全書分為四部分：第一部分介紹圖神經網絡的基本概念；第二部分討論圖神經網絡成熟的方法；第三部分介紹圖神經網絡典型的前沿領域；第四部分描述可能對圖神經網絡未來研究比較重要和有前途的方法與應用的進展情況。 本書適合高年級本科生和研究生、博士後研究人員、講師以及行業從業者閱讀與參考。

本書對計算智能領域的主要算法進行介紹，重點討論各種算法的思想來源、流程結構、發展改進、參數設置和相關應用，內容包括緒論以及神經網絡、模糊邏輯、遺傳算法、蟻群優化算法、粒子群優化算法、免疫算法、分布估計算法、Memetic算法、模擬退火算法和禁忌搜索算法等計算智能領域的典型算法。本書通俗易懂，圖文並茂，深入淺出，沒有其他算法書中大量公式、定理、證明等難懂的內容，而是通過大量的圖表示例對各個算法進行說明和介紹。本書不但提供了算法實現的流程圖和偽代碼，而且通過具體的應用舉例對算法的使用方法和使用過程進行說明，同時提供了大量經典而重要的參考資料，為讀者進一步深入學習和理解算法提供方便。本書適合作為相關專業本科生和研究生的選修課教材，特別適合作為入門教材以滿足算法初學者了解和學習計算智能算法的入門需求，同時還能夠作為廣大算法研究者和工程技術人員進一步學習的參考書和工具書。

計算智能是人工智能領域較為前沿的研究方向，它是受“大自然智慧”啟發而被設計出的一類算法的統稱。計算智能所具有的全域搜索、高效並行等優點為解決複雜優化問題提供了新思路和新手段，引起了國內外學者的廣泛重視並掀起了研究熱潮。目前，計算智能的相關技術已成功應用於信息處理、調度優化、工程控制、經濟管理等眾多領域。本書在歸納近年來計算智能研究成果的基礎上，系統且詳細地介紹了計算智能中較為典型的9種算法――人工神經網絡、遺傳算法、蟻群算法、人工免疫算法、粒子群優化算法、人工蜂群算法、生物地理學優化算法、多目標優化算法以及約束優化算法，並給出了各個算法基於MATLAB軟件的仿真實現過程和在信號與通信領域的應用實例，這使本書知識點的講解通俗易懂、直觀生動，易於讀者快速掌握。本書可作為高等學校信號與信息處理、計算機應用技術、人工智能、模式識別與智能系統、自動化等專業本科生和研究生的教材，也可供計算智能相關領域的研究人員學習參考。

本書對智能計算的各個方面進行了介紹，包括了智能計算的源起、提出、類型和形態、創新趨勢，以及智能計算的之江行動和未來應用展望。

本教材是“神經網絡與深度學習”課程的配套教材，在目前國際上流行通用的MATLAB的最新版本2019的基礎上，結合其中的“深度神經網絡工具箱”，分別從網絡構造、基本原理、學習規則以及訓練過程和應用局限性的順序進行編排。通過多層次多方面的分析與綜合，深入淺出地介紹人工神經網絡中的各種典型網絡如：感知器、自適應線性元件、反向傳播網絡、遞歸神經網絡、局部連接神經網絡、自組織競爭網絡、加上深度學習算法及其網絡，以及各種不同神經網絡之間在原理和特性等方面的不同點與相同點。本書可作為計算機、電子學、信息科學、通訊 以及自動控制等專業的高年級本科生、研究生以及其他專業科技人員學習神經網絡或學習MATLAB及其神經網絡工具箱時的教材或參考書。